香港城市大学 助理教授

腾讯会议：432-814-563

会议密码：0417             

会议链接：https://meeting.tencent.com/dm/9S9JYARmM36F

报告摘要：

锂离子电池凭借其高能量密度、长寿命、经济实惠和安全等优势, 已广泛应用于消费电子产品和电动汽车等领域，并拥有巨大的市场价值。为满足日益增长的能量密度和循环寿命需求, 工业界和学术界正不断努力改进当前的电池技术。先进的材料表征手段, 如同步辐射X射线成像, 在锂离子电池材料研究中至关重要, 有助于揭示电池内部材料的单独演化过程及其在电池生态系统中的相互作用和与周边环境的关系。然而, 复杂的数据集也给其分析和解释带来了巨大挑战。将先进的同步辐射X射线技术与数据驱动的机器学习方法相结合已被证明能够加速我们对电池中的基本反应和失效机制的理解, 正成为一个重要的研究前沿。

本次报告将分享我们最近在结合多模态同步辐射X射线成像技术和相关数据驱动方法方面所做的努力, 来揭示锂离子电池正极材料多尺度失效机制。我们还将探讨如何将这些方法应用于新型电池材料的设计和优化。我们希望通过促进物质科学和数据科学的深度交叉融合, 为发展高性能、长寿命的电池材料研究提供创新解决方案。

报告人简介：

李济舟, 现为香港城市大学数据科学学院助理教授。其在香港中文大学电子工程系获得博士学位后于斯坦福大学、霍华德·休斯医学研究所及SLAC国家加速器实验室从事博士后研究。凭借其数学和工程学背景，他专注于基于图像数据科学的跨学科研究和发现。其最近的活动主要集中在X射线和光学显微镜中的计算成像和分析, 以及在电池材料科学中的应用。他在Science、Nature子刊、PNAS、IEEE会刊等著名期刊/会议上发表了30余篇研究论文, 获得了电气电子工程师学会（IEEE）和美国工业与应用数学学会（SIAM）的多个奖项，包括IEEE信号处理协会和医学和生物学工程协会的两项最佳会议论文奖以及IEEE计算机协会的CVPR最佳论文入围奖。

邀 请 人：禹习谦 研究员

联 系 人：王慧颖 why@iphy.ac.cn