孔隙识别方法、装置、计算机设备、存储介质和程序产品

    公开(公告)号:CN119888297A

    公开(公告)日:2025-04-25

    申请号:CN202311395590.8

    申请日:2023-10-25

    Abstract: 本申请涉及一种孔隙识别方法、装置、计算机设备、存储介质和程序产品,所述方法包括:基于碳基材料模型进行空间划分,得到多个格点;所述碳基材料模型包括多个碳原子的空间分布信息;根据各所述格点在所述碳基材料模型中的位置以及所述多个碳原子的空间分布信息,确定各所述格点对应的模型区域;所述模型区域为所述碳基材料模型的骨架区域或孔隙区域;根据各所述格点对应的模型区域,确定所述碳基材料模型的孔隙区域。采用本申请能够提高孔隙识别的准确度,使碳基材料的描述更为准确。

    一种分子结构设计方法、装置、电子设备及存储介质

    公开(公告)号:CN117409888A

    公开(公告)日:2024-01-16

    申请号:CN202311724658.2

    申请日:2023-12-15

    Abstract: 本申请公开了一种分子结构设计方法、装置、电子设备及存储介质。该方法包括:基于基础分子库进行分子片段的迭代拼接,得到多个Pi型分子片段,其中,所述基础分子库中包括具有共轭结构的至少两个基础分子片段;分别将各个所述Pi型分子片段与预设的D型分子片段进行拼接,得到多个D‑Pi‑D型分子。通过本申请方案,可以简化空穴传输层小分子的设计过程,提升空穴传输材料的设计效率。

    一种重力储能系统
    4.
    发明公开

    公开(公告)号:CN116658384A

    公开(公告)日:2023-08-29

    申请号:CN202210157817.4

    申请日:2022-02-21

    Abstract: 本申请实施例提供一种重力储能系统。该重力储能系统包括:竖井(13)、多个重物(14)、储物区(15)和起重设备(12),起重设备(12)用于在储能工况下,利用电能依次将多个重物(14)从竖井(13)移至储物区(15)以储存电能;在释能工况下,通过多个重物(14)从储物区(15)向竖井(13)的移动产生电能以释放电能。本申请实施例的重力储能系统,系统结构简单、建造难度小、成本低,并且采用多个重物可以有效提高储能量,从而能够提高储能的效率。

    任务调度方法、装置、任务调度系统及介质

    公开(公告)号:CN119718556A

    公开(公告)日:2025-03-28

    申请号:CN202311276954.0

    申请日:2023-09-28

    Abstract: 本申请公开了一种任务调度方法、装置、任务调度系统及介质,方法包括:通过第一模块获取多个子任务,多个所述子任务之间具有先后执行顺序;通过所述第一模块将多个所述子任务按照所述先后执行顺序依次存储在第一中间件中,所述第一中间件中的子任务存储在磁盘中;通过所述第一中间件将存储在所述第一中间件中的当前子任务分发给代理模块;通过所述代理模块执行所述当前子任务。上述中,第一中间件将子任务存储在磁盘上,由于磁盘的容量可以根据实际情况扩充,可为任务调度提供充足的存储资源,为实现高通量的数据处理提供支持,从而提高任务调度的处理性能。

    复合锰酸锂及其制备方法、正极、电池和用电装置

    公开(公告)号:CN118676324A

    公开(公告)日:2024-09-20

    申请号:CN202310265155.7

    申请日:2023-03-17

    Abstract: 本申请公开了复合锰酸锂及其制备方法、正极、电池和用电装置。本申请实施例复合锰酸锂为核壳结构,所述核壳结构的壳层包括第一包覆层和第二包覆层,所述第一包覆层包覆所述核壳结构的核体,所述第二包覆层包覆所述第一包覆层;其中,所述核体的材料包括掺杂或/和未被掺杂的锰酸锂;所述第一包覆层的材料包括掺杂锰酸锂,所述掺杂锰酸锂所含的掺杂元素包括Te元素和M元素,所述M元素包括过渡金属元素;所述第二包覆层的材料包括所述掺杂元素形成的化合物。本申请实施例复合锰酸锂材料具有高电压和能量密度,且其表面的化学稳定性和其与电解液接触界面的化学稳定性,高温环境下的存储与循环性能优异。

    电池容量预测模型的训练方法、电池容量预测方法及装置

    公开(公告)号:CN117054893A

    公开(公告)日:2023-11-14

    申请号:CN202311318555.6

    申请日:2023-10-12

    Abstract: 本发明公开了一种电池容量预测模型的训练方法、电池容量预测方法及装置。电池容量预测模型的训练方法包括:获取电池的容量序列数据,其中,容量序列数据表征了电池容量与充电循环次数之间的关系;基于容量序列数据的数据变化特性,从容量序列数据中提取至少一个子序列数据作为样本数据;将样本数据中的充电循环次数输入待训练的电池容量预测模型中,输出电池容量的预测值;基于电池容量的预测值和样本数据中的电池容量的样本值之间的损失值,调整待训练的电池容量预测模型的模型参数,以得到已训练的电池容量预测模型。本发明提高了电池容量数据的准确性。

Patent Agency Ranking