利用卷积神经网络确定电化学阻抗谱的等效电路

《npj Computational Materials》：Determination of equivalent circuits for electrochemical impedance spectra using convolutional neural networks

　　

摘要

电化学阻抗谱分析是一种广泛应用的实验技术，其结果的解释在很大程度上取决于操作者所选择的模型。在此，我们通过整合卷积神经网络技术来开发一种新的EIS分析方法。该方法利用卷积神经网络的强大功能，从奈奎斯特图中提取特征形状，从而实现对等效电路的分类。通过运用卷积神经网络，我们避免了传统手工EIS分析中存在的主观偏差，提供了一种更加标准化且可重复的方法。此外，通过引入迁移学习机制，进一步提升了模型的适应性，使得预训练的神经网络内核能够高效地应用于新数据中。实验结果表明，该模型在处理随机参数生成的电化学阻抗谱时，仍能保持超过80%的准确率，显示出极高的稳定性。通过对吡咯电聚合过程的分析，进一步验证了该方法的实用性，表明其在多种电化学应用领域都具有广阔的应用前景。将机器学习技术应用于EIS分析，这一进展为自动化和优化电化学分析带来了革命性的变化。