史丹佛大學(xué)應用物理學(xué)博士候選人Austin Sendek說(shuō)：“電解質(zhì)在電池的正極和負極之間來(lái)回傳輸鋰離子。液體電解質(zhì)的價(jià)格便宜，離子的傳導效果也非常好，但如果發(fā)生電池過(guò)熱或因穿刺而短路時(shí)，可能導致起火。而固體電解質(zhì)的主要優(yōu)點(diǎn)就是穩定，固體比有機溶劑更不容易發(fā)生炸裂或蒸發(fā)，而且也更堅硬，能夠讓電池結構更堅固。”
盡管經(jīng)過(guò)多年的實(shí)驗室試驗和錯誤，研究人員至今尚未找到一種在室溫下的表現像液體電解質(zhì)一樣的廉價(jià)固體材料。因此，研究團隊利用AI技術(shù)和機器學(xué)習的方法，從實(shí)驗數據中建構可預測模型。他們訓練計算機算法來(lái)學(xué)習如何根據現有數據辨識好的和壞的化合物，就像臉部辨識算法學(xué)習在看到幾個(gè)例子之后就能辨識人臉一樣。
“目前約有成千上萬(wàn)的已知含鋰化合物，其中絕大多數都未經(jīng)測試。”Sendek指出，“然而，其中有些可能是絕佳的導體。因此，我們開(kāi)發(fā)了一個(gè)運算模型，能夠從我們現有的有限數據中進(jìn)行學(xué)習，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(wàn)倍。”
為了建立模型，Sendek花了兩年多的時(shí)間收集所有關(guān)于含鋰固體化合物的科學(xué)資料。
史丹佛大學(xué)材料科學(xué)與工程助理教授Evan Reed說(shuō)：“Austin收集了所有有關(guān)這些材料的人類(lèi)知識，以及許多測量和實(shí)驗數據，這些數據甚至可追溯到從幾十年前開(kāi)始。他利用這些知識創(chuàng )造了一個(gè)模型，可以預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，以供后續的研究。”
該模型使用幾項標準來(lái)篩選有發(fā)展潛力的材料，包括穩定性、成本、充裕度，以及其導電鋰離子和重新路由電子通過(guò)電池電路的能力。這些備選材料是在材料在線(xiàn)數據庫‘Materials Project’上進(jìn)行選擇；‘Materials Project’是一個(gè)能讓科學(xué)家探索數千種材料的物理和化學(xué)特性的在線(xiàn)數據庫。
Sendek說(shuō)：“我們篩選了超過(guò)12,000種含鋰化合物，最終得到了21種有發(fā)展潛力的固體電解質(zhì)。結果只需要花費幾分鐘的時(shí)間進(jìn)行篩選，而絕大部份的時(shí)間基本上都花在收集和策劃所有的數據，以及開(kāi)發(fā)可定義模型預測可信度的指標。”
研究人員最終計劃在實(shí)驗室中測試21種材料，以確定哪些材料最適合現實(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(wèn)題，并提高在這些領(lǐng)域進(jìn)行研究投資的效果，”Reed并強調，“隨著(zhù)全世界的數據量增加以及計算機持續進(jìn)展，我們的創(chuàng )新能力將不斷呈指數級成長(cháng)。因此，無(wú)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(gè)真正令人興奮的時(shí)刻。”
