美國斯坦福大學(xué)(Stanford University)的研究人員利用人工智能(AI)技術(shù)，辨識出超過20種固態(tài)電解質(zhì)，可望用于取代目前在電池中所使用的揮發(fā)性液體。

 

斯坦福大學(xué)應(yīng)用物理學(xué)博士候選人Austin Sendek說：“電解質(zhì)在電池的正極和負(fù)極之間來回傳輸鋰離子。液體電解質(zhì)的價格便宜，離子的傳導(dǎo)效果也非常好，但如果發(fā)生電池過熱或因穿刺而短路時，可能導(dǎo)致起火。而固態(tài)電解質(zhì)的主要優(yōu)點(diǎn)就是穩(wěn)定，固態(tài)比有機(jī)溶劑更不容易發(fā)生炸裂或蒸發(fā)，而且也更堅(jiān)硬，能夠讓電池結(jié)構(gòu)更堅(jiān)固。” 20170110 AI NT01 盡管經(jīng)過多年的實(shí)驗(yàn)室試驗(yàn)和錯誤，研究人員至今尚未找到一種在室溫下的表現(xiàn)像液體電解質(zhì)一樣的廉價固態(tài)材料。因此，研究團(tuán)隊(duì)利用AI技術(shù)和機(jī)器學(xué)習(xí)的方法，從實(shí)驗(yàn)數(shù)據(jù)中建構(gòu)可預(yù)測模型。他們訓(xùn)練計(jì)算機(jī)算法來學(xué)習(xí)如何根據(jù)現(xiàn)有數(shù)據(jù)辨識好的和壞的化合物，就像臉部辨識算法學(xué)習(xí)在看到幾個例子之后就能辨識人臉一樣。

 

“目前約有成千上萬的已知含鋰化合物，其中絕大多數(shù)都未經(jīng)測試。”Sendek指出，“然而，其中有些可能是絕佳的導(dǎo)體。因此，我們開發(fā)了一個運(yùn)算模型，能夠從我們現(xiàn)有的有限數(shù)據(jù)中進(jìn)行學(xué)習(xí)，然后再讓我們從大量的材料資庫中篩選潛在的候選方案——這種方式比目前的篩選方法更快一百萬倍。”

 

為了建立模型，Sendek花了兩年多的時間收集所有關(guān)于含鋰固態(tài)化合物的科學(xué)資料。

 

斯坦福大學(xué)材料科學(xué)與工程助理教授Evan Reed說：“Austin收集了所有有關(guān)這些材料的人類知識，以及許多測量和實(shí)驗(yàn)數(shù)據(jù)，這些數(shù)據(jù)甚至可追溯到從幾十年前開始。他利用這些知識創(chuàng)造了一個模型，可以預(yù)測材料是否是一種良好的電解質(zhì)。這種方法能夠篩選出全部的備選材料，以確定最有發(fā)展前景的材料，以供后續(xù)的研究。”

 

該模型使用幾項(xiàng)標(biāo)準(zhǔn)來篩選有發(fā)展?jié)摿Φ牟牧希ǚ€(wěn)定性、成本、充裕度，以及其導(dǎo)電鋰離子和重新路由電子通過電池電路的能力。這些備選材料是在材料在線數(shù)據(jù)庫‘Materials Project’上進(jìn)行選擇；‘Materials Project’是一個能讓科學(xué)家探索數(shù)千種材料的物理和化學(xué)特性的在線數(shù)據(jù)庫。

Sendek說：“我們篩選了超過12,000種含鋰化合物，最終得到了21種有發(fā)展?jié)摿Φ墓虘B(tài)電解質(zhì)。結(jié)果只需要花費(fèi)幾分鐘的時間進(jìn)行篩選，而絕大部份的時間基本上都花在收集和策劃所有的數(shù)據(jù)，以及開發(fā)可定義模型預(yù)測可信度的指標(biāo)。”

 

研究人員最終計(jì)劃在實(shí)驗(yàn)室中測試21種材料，以確定哪些材料最適合現(xiàn)實(shí)世界的條件。

 

“我們所采取的途徑有潛力解決許多種材料的問題，并提高在這些領(lǐng)域進(jìn)行研究投資的效果，”Reed并強(qiáng)調(diào)，“隨著全世界的數(shù)據(jù)量增加以及計(jì)算機(jī)持續(xù)進(jìn)展，我們的創(chuàng)新能力將不斷呈指數(shù)級成長。因此，無論是電池、燃料電池或其他任何東西，目前在這一領(lǐng)域正是一個真正令人興奮的時刻。”