利用机器原理进行对电池材料研究

利用机器原理进行对电池材料研究

研究新电池材料的科学家通常使用计算机模拟来了解不同材料组合的性能。这些模拟充当电池的虚拟显微镜，放大以查看材料如何在原子水平上相互作用。有了这些细节，科学家们就可以理解为什么某些组合会做得更好，从而指导他们寻找高性能材料。

但是建立准确的计算机模拟非常耗时，需要数年甚至数十年。“你需要知道每个原子如何与系统中的每个其他原子相互作用，”Leon 说。为了创建这些相互作用的计算机模型，科学家们首先使用复杂的量子力学计算对模型进行粗略猜测。然后他们将模型与现实生活中的实验结果进行比较，手动调整模型的不同部分，包括原子之间的距离和化学键的强度，直到模拟与现实生活相匹配。

使用经过充分研究的电池材料，模拟过程会更容易一些。Leon 说，科学家们可以购买包含预制模型的模拟软件，但这些模型通常存在错误，仍需要额外调整。

为了更快地构建准确的计算机模型，Leon 正在开发一种基于机器学习的工具，该工具可以有效地指导试错过程。“我们的机器学习框架的希望是不必依赖专有模型或进行任何手动调整，”他说。Leon 已经证实，对于经过充分研究的材料，他的工具与构建模型的手动方法一样准确。

Leon 说，有了这个系统，科学家们将有一个单一的、标准化的方法来建立准确的模型，而不是目前使用的拼凑方法。

Leon 的工具来得正是时候，当时许多科学家正在研究一种新的电池范式：固态电池。与包含液体电解质的传统电池相比，固态电池更安全、更轻且更易于制造。但是，为电动汽车或可再生能源存储创造足够强大的这些电池版本具有挑战性。

这主要是因为在电池化学中，离子不喜欢在固体中流动，而更喜欢在液体中流动，在液体中原子之间的距离更远。尽管如此，科学家们相信，通过正确的材料组合，固态电池可以为电动汽车等高功率系统提供足够的电力。 

Leon 计划使用他的机器学习工具来帮助更快地寻找好的固态电池材料。在模拟中找到一些强大的候选材料后，他将与其他科学家合作，在真实世界的实验中测试新材料。