(文章來源:快科技)
電池是目前許多行業最大的限制之一——包括電動汽車、手機、光伏等等等等,鋰電池效率低下且進步緩慢,它們都急需全新的電池技術來推動行業發展。
所以許多科研機構都選擇將固態電池作為研發的方向,固態鋰電池技術采用鋰、鈉制成的玻璃化合物為傳導物質,取代以往鋰電池的電解液,大大提升鋰電池的能量密度,被視為可以繼承鋰離子電池地位的電池。近日,據外媒報道,斯坦福大學團隊在固態電池領域做出了全新突破,研發出了全新的阻燃型固態電池。
為了讓固態電池兼具阻燃性,該團隊研發了一種全新的固態電解質,他們將阻燃材料十溴二苯乙烷添加到電解質中,這種材料不僅廉價而且熔點更高。不過這種阻燃材料不導電,為此研發團隊在材料中融入了聚環氧乙烷和雙三氟甲烷磺酰亞胺鋰來解決這一問題。
最終測試結果非常喜人,著火后,這種固態電池不僅沒有爆炸,甚至還在火焰下為LED燈持續供電了一段時間。
(責任編輯:fqj)
聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。
舉報投訴
-
電池技術
+關注
關注
12文章
906瀏覽量
49331 -
固態電池
+關注
關注
10文章
702瀏覽量
27855
發布評論請先 登錄
相關推薦
朗凱威鋰電池生產廠家推薦:鋰電池著火,滅火器有用嗎?
當鋰電池著火時133-2632-1310,滅火器在一定程度上是有用的,但不同種類的滅火器效果不同。在處理鋰電池著火時,應根據實際情況選擇合適的滅火器,并采取正確的處理方法。同時,我們也
斯坦福STANFORD FS725銣鐘
斯坦福STANFORD FS725銣鐘 SRS斯坦福FS725 10MHzRb頻率標準 ? SRS斯坦福FS72510MHzRb頻率標準FS725集成了一個銣振蕩器(SRS模型PRS10),一個
斯坦福研究:電動汽車電池實際壽命比預估長得多
。 這項研究是由斯坦福大學的普考特能源研究所與美國SLAC國家加速器實驗室共同成立的SLAC-斯坦福電池研究中心的科學家們完成的。經過超過兩年的時間,他們對92種商用鋰離子電池進行了詳盡的充放電測試。 結果顯示,當放電模式模擬真
STANFORD斯坦福SR830 鎖相放大器
原裝STANFORD斯坦福SR830 鎖相放大器 鎖相放大器是一種對交變信號進行相敏檢波的放大器。鎖相放大器利用和被測信號有相同頻率和相位關系的參考信號作為比較基準,只對被測信號本身和那些與參考信號
固態電池的優缺點 固態電池與鋰電池比較
固態電池是一種使用固態電解質代替傳統液態電解質的電池技術。這種電池技術因其在安全性、能量密度和循環壽命等方面的潛在優勢而受到廣泛關注。以下是
INA219使用電池供電后芯片損壞,為什么?
原理圖:
PCB圖:
接線方式都是都過焊線供電。
問題描述:使用直流電源供電,IIC采樣電壓,電流數據正常。只要接一會電池后再接上直流
發表于 07-30 08:14
國產儀器崛起:斯坦福替代方案來了!
眾所周知,斯坦福的東西一直以來,好用,貴,貨期長動輒幾個月,很苦惱 今天,他來了,他的替代來了 首先是最經典的型號斯坦福SR830,它的頻率可以達到102.4 kHz ,18位的ADC,采樣率可以
斯坦福團隊抄襲國產大模型,主要責任人失聯
的廣泛關注,也讓大家對于開源大模型的規范使用更加擔憂。 斯坦福Llama3V模型被證實抄襲 5月29日,斯坦福大學的一個AI團隊在Github等平臺發布了一款大模型,名為Llama3V,該模型的亮點是據稱
斯坦福大學研發全新AI輔助全息成像技術
據最新消息,斯坦福大學的研究人員成功研制出全新AI輔助全息成像技術,其薄度、重量及質量均超過了當前方案,有望推動增強現實(AR)眼鏡領域的發展。
斯坦福發布《2024 AI指數報告》
近日,斯坦福大學以人為本人工智能研究所(StanfordHAI)發布了《2024年人工智能指數報告》(ArtificialIntelligenceIndexReport2024)。據
斯坦福、伯克利大神教授創業給機器人造大腦,OpenAI紅杉搶著投5億
還記得曾火遍全網的ALOHA家務機器人嗎?最近該項目導師,斯坦福計算機科學與電氣工程系教授ChelseaFinn在X宣布,正式與其他幾位伯克利大牛學者、谷歌DeepMind科學家共同創業,全力為
英偉達CEO黃仁勛建議應屆畢業生降低期望
確實,像斯坦福這類精英學校的學生,他們對未來的期待可能高于一般的應屆畢業生。根據QS世界大學排名,斯坦福是美國第三好的大學,學生需要支付昂貴的學費——每年62484美元,而全美的平均學費僅為26027美元。
斯坦福繼Flash Attention V1和V2又推出Flash Decoding
斯坦福大學此前提出的FlashAttention算法,能夠在BERT-large訓練中節省15%,將GPT訓練速度提高2/3。
評論