华丰燃料电池及联合燃料电池研发生产项目开工奠基

目前色域方面顶级的工业标准是BT.2020色域，华丰合燃而目前最顶级的索尼4KOLED监视器BVM-X300的色域覆盖范围，华丰合燃都只能完整的覆盖DCI-P3以及BT.709色域，但是相比BT.2020要小一些。

然而，燃料基于改性隔膜的LSB的性能仍不能满足商业应用的需求，其性能还需要进一步优化。电池材料人投稿以及内容合作可加编辑微信：cailiaokefu。

文章首先详细的描述多硫化物穿梭的原理，及联基然后重点介绍了两种抑制多硫化物穿梭的策略：及联基1）基于对多硫化物的不同影响的改性隔膜，以及2）固态电解质，包括无机固体电解质，固体聚合物电解质和复合固体电解质。料电（b）合成N-Ti3C2/C纳米片和用于LSB的改性PP隔膜的示意图。池研产项图五基于FHCS涂层隔膜和CFs@PP隔膜的Li-S电池的示意图图六基于极性-极性键合对多硫化物起化学吸附作用的改性隔膜（a）使用水热法对CNT进行表面改性以形成CNTOH。

在理想的全固态LSB中，发生可以在放电过程中通过一步固-固转化反应将活性硫直接还原成Li2S，没有多硫化物的产生。（d）具有薄的硫化物电解质的正极支撑全固态电池的制造示意图，目开以及e）全固态Li-Li2S电池。

基于最近的研究进展，工奠改性的隔膜可以根据与多硫化物的相互作用（吸附作用，分离作用和催化作用）分为三类。

华丰合燃在LSB中应用固态电解质是本质上解决多硫化物穿梭问题的最有效的策略。2机器学习简介所谓的机器学习就是赋予计算机人类的获得知识或技能的能力，燃料然后利用这些知识和技能解决我们所需要解决的问题的过程。

电池利用机器学习解决问题的过程为定义问题-数据收集-建立模型-评估-结果分析。深度学习算法包括循环神经网络（RNN）、及联基卷积神经网络（CNN）等[3]。

有很多小伙伴已经加入了我们，料电但是还满足不了我们的需求，期待更多的优秀作者加入，有意向的可直接微信联系cailiaorenVIP。池研产项图2-2 机器学习分类及算法3机器学习算法在材料设计中的应用使用计算模型和机器学习进行材料预测与设计这一理念最早是由加州大学伯克利分校的材料科学家GerbrandCeder教授提出。