人工智能高效助力鋰電池電解質(zhì)開(kāi)發(fā) 潛力巨大

富士通株式會(huì )社和日本理化學(xué)研究所最近公布，他們的聯(lián)合研究小組在材料設計中應用第一原理計算與人工智能技術(shù)，對全固態(tài)鋰離子電池的固體電解質(zhì)組成做了預測、合成與評價(jià)試驗，并進(jìn)行了實(shí)際驗證。結果證明，即使在較少數據下，通過(guò)與人工智能方法結合，仍可高效地找出最佳材料組成，大幅提高材料開(kāi)發(fā)速度。

迄今為止，材料的開(kāi)發(fā)不得不依賴(lài)研究人員長(cháng)期積累的經(jīng)驗和敏銳的直覺(jué)，需要積累許多失敗的教訓才能成功。而第一原理計算是如果指定了材料的組成，基于量子力學(xué)可以預測的特征，在實(shí)驗之前即可預測新的高功能材料的最佳組成，從而大幅減少實(shí)驗失敗次數。但是第一原理計算的負荷非常巨大，材料各種組成需要多重計算，將會(huì )花費非常長(cháng)的時(shí)間。

研究小組希望通過(guò)材料模擬、實(shí)驗和人工智能密切結合，解決材料開(kāi)發(fā)中的問(wèn)題，使材料開(kāi)發(fā)時(shí)間大幅縮短，以期更容易地發(fā)現意想不到的組成和結晶結構，造出新的高功能材料。

此次研究小組使用人工智能方法之一的貝葉斯推斷法組合，控制第一原理計算的運算次數，對全固態(tài)鋰離子電池固體電解質(zhì)的三種含有鋰的氧酸鹽合成化合物進(jìn)行了預測。結果證實(shí)，該方法能在可實(shí)現的時(shí)間內，預測高鋰離子傳導率的最佳組合。同時(shí)在預測的組成附近也發(fā)現了其他組成的高鋰離子傳導率。

鋰離子傳導率是固態(tài)電解質(zhì)材料重要的特征之一，是主導鋰電池充放電速度的因子。此次研究成果驗證了利用材料模擬和人工智能方法可高效開(kāi)發(fā)不漏液、不起火的鋰離子電池，今后有望在電池、半導體以及磁性體等材料領(lǐng)域發(fā)揮巨大潛力。