太平洋科技 AI

首页 > AI > AI资讯> 正文

人工智能帮助科学家创造了一种新型电池

zhangxinxin 责任编辑：wangkeyue 发布于：2024-02-22 17:43

在寻找新材料的过程中，科学家们传统上依赖于实验室里的修修补补，在直觉的指导下，进行大量的试验和错误。

但是现在，一种新的电池材料已经被发现，它结合了两种超级计算能力:人工智能和超级计算。这一发现凸显了利用计算机帮助科学家发现适合特定需求的材料的潜力，从电池到碳捕获技术再到催化剂。

微软和太平洋西北国家实验室(PNNL)的研究人员在1月8日提交给arXiv.org的一篇论文中报告说，通过计算，从3200多万种候选材料中筛选出了23种有希望的材料。然后，该团队合成并测试了其中一种材料，并创造了一个可工作的电池原型。

虽然科学家们之前已经使用人工智能来预测材料的特性，但之前的研究通常没有看到这一过程是如何生产新材料的。“这篇论文的优点在于，它从头到尾都是如此，”加州大学圣地亚哥分校的计算材料科学家Shyue Ping Ong说，他没有参与这项研究。

研究人员瞄准了一种令人垂涎的电池材料:固体电解质。电解质是一种在电池电极之间来回传递离子(带电原子)的材料。在标准锂离子电池中，电解质是液体。但这也有危险，比如电池泄漏或引发火灾。开发固体电解质电池是材料科学家的主要目标。

最初的3200万个候选材料是通过混合匹配的游戏生成的，通过替换已知材料晶体结构中的不同元素。微软的计算化学家内森·贝克说，用传统的物理计算方法来整理这么大的一个列表需要几十年的时间。但利用机器学习技术，可以根据从已知材料中学习到的模式快速预测，计算只需80小时就能得出结果。

首先，研究人员使用人工智能根据稳定性来过滤材料，即它们是否能在现实世界中存在。这使得候选人名单减少到不到60万人。进一步的人工智能分析选择了可能具有电池所需的电气和化学特性的候选材料。由于人工智能模型是近似的，研究人员使用基于物理的经过反复测试的计算密集型方法过滤了这个较小的列表。他们还淘汰了稀有、有毒或昂贵的材料。

这样，研究人员就有23个候选对象，其中5个是已知的。PNNL的研究人员选择了一种看起来很有前途的材料——它与研究人员知道如何在实验室中制造的其他材料有关，并且它具有合适的稳定性和导电性。然后他们开始合成它，最终将其制成一个原型电池。这招奏效了。

“那是我们非常兴奋的时候，”华盛顿州里奇兰PNNL的材料科学家Vijay Murugesan说。从合成阶段到功能电池花了大约六个月的时间。“这是超快的。”

这种新型电解质类似于一种已知的含有锂、钇和氯的材料，但将一些锂换成了钠——这是锂成本高且需求量大的一个优势(SN: 5/7/19)。

锂和钠的结合是非常规的。塔拉哈西佛罗里达州立大学(Florida State University In Tallahassee)的材料科学家Yan Zeng表示:“按照通常的方法……我们不会把这两种材料混合在一起。”曾燕并未参与这项研究。典型的做法是使用锂离子或钠离子作为导体，而不是两者都使用。这两种离子可能会相互竞争，从而导致更差的性能。这种非正统的材料凸显了人工智能在研究中的一个希望，Zeng说:“人工智能可以在某种程度上走出框框。”

在这项新工作中，研究人员创建了一系列人工智能模型，这些模型可以根据已知材料的训练数据预测材料的不同特性。人工智能架构是一种被称为图神经网络的类型，其中系统被表示为图，这是一种由“边”和“节点”组成的数学结构。这种类型的模型特别适合于描述材料，因为节点可以表示原子，而边缘可以表示元素之间的键。

为了执行人工智能和基于物理的计算，该团队使用了微软的Azure量子元素，它提供了为化学和材料科学研究量身定制的基于云的超级计算机的访问。

贝克说，这个项目是科技界所谓的“吃自己的狗粮”做法的一个例子，即一家公司用自己的产品来确认它是否有效。在未来，他说他希望其他人能拿起这个工具，并将其用于各种科学研究。

这项研究是利用人工智能发现新材料的众多努力之一。去年11月，谷歌DeepMind的研究人员在12月7日的《自然》杂志上报告说，他们使用图神经网络预测了数十万种稳定材料的存在。在同一期的《自然》杂志上，曾和他的同事们报道了一个由人工智能操作的实验室，旨在自主生产新材料。

原文《Artificial intelligence helped scientists create a new type of battery》

人工智能和超级计算特定需求的材料电池

zhangxinxin

原创栏目