人工智慧幫助科學家創造出新型電池

在尋找新材料的過程中，科學家傳統上依賴在實驗室中以直覺為指導進行修補，並進行大量的試驗和錯誤。

但現在，人們發現了一種新的電池材料，它結合了人工智慧和超級運算這兩種運算超級能力。 這項發現凸顯了使用電腦幫助科學家發現適合特定需求的材料的潛力，從電池到碳捕獲技術再到催化劑。

計算篩選出超過 3200 萬份候選材料微軟和西北太平洋國家實驗室 (PNNL) 的研究人員在 1 月 8 日提交給 arXiv.org 的論文中報告說，只有 23 個有希望的選擇。 然後，該團隊合成並測試了其中一種材料，並創建了一個工作電池原型。

科學家已經使用人工智慧來預測材料了？ 先前的研究通常沒有看到新材料的生產過程。 ？ 未參與這項研究的加州大學聖地牙哥分校的計算材料科學家 Shyue Ping Ong 說。

研究人員瞄準了一種令人垂涎的電池材料：固態電解質。 電解質是傳輸離子的材料 ? 帶電原子 ? 在電池的電極之間來回移動。 在標準鋰離子電池中，電解質是液體。 但這也伴隨著危險，例如電池洩漏或引起火災。 開發固態電解質電池是材料科學家的主要目標。

最初的 3,200 萬個候選者是透過混合搭配遊戲生成的，替換了已知材料晶體結構中的不同元素。 微軟的計算化學家內森貝克 (Nathan Baker) 表示，用傳統的物理計算對這麼大的清單進行排序可能需要數十年的時間。 但機器學習技術可以根據從已知材料中學到的模式進行快速預測，計算只需 80 小時即可得出結果。

首先，研究人員使用人工智慧根據穩定性（即它們是否真的存在於現實世界中）來過濾材料。 這使得候選人名單縮減至不到 60 萬人。 進一步的人工智慧分析選擇了可能具有電池所需的電氣和化學特性的候選者。 由於人工智慧模型是近似的，研究人員使用基於物理學的久經考驗的計算密集型方法過濾了這個較小的清單。 他們還淘汰了稀有、有毒或昂貴的材料。

這樣，研究人員就有了 23 位候選者，其中 5 位是已知的。 PNNL 的研究人員選擇了一種看起來很有前途的材料？ 它與研究人員在實驗室中知道如何製造的其他材料有關，並且具有適當的穩定性和導電性。 然後他們開始合成它，最終將其製成原型電池。 它奏效了。

“那時我們非常興奮，？” 華盛頓州里奇蘭 PNNL 的材料科學家 Vijay Murugesan 說。 ？

新電解質類似於含有鋰、釔和氯的已知材料，但用鈉取代了一些鋰？ 優勢為鋰價格昂貴且需求量大（序號：2019 年 5 月 7 日）。

將鋰和鈉結合起來是非常規的。 ？ 我們不會將這兩者混合在一起，？ 塔拉哈西佛羅裡達州立大學的材料科學家 Yan Zeng 說道，他沒有參與這項研究。 典型的做法是使用鋰離子或鈉離子作為導體，而不是同時使用兩者。 這兩種類型的離子可能會相互競爭，導致性能更差。 曾表示，這種非正統的材料凸顯了人工智慧在研究中的一個希望：“人工智慧可以打破常規。”

在這項新工作中，研究人員創建了一系列人工智慧模型，可以根據已知材料的訓練資料預測材料的不同屬性。 人工智慧架構是一種被稱為圖神經網路的類型，其中系統被表示為圖，一種由「邊」組成的數學結構。 和“節點”。 這種類型的模型特別適合描述材料，因為節點可以代表原子，邊可以代表元素之間的鍵。

為了執行人工智慧和基於物理的運算，該團隊使用了微軟的 Azure Quantum Elements，它可以存取專為化學和材料科學研究而客製化的基於雲端的超級電腦。

貝克說，這個計畫是科技界所謂「吃自己的狗糧」做法的例子。 本公司使用自己的產品來確認其有效。 他說，未來他希望其他人能夠拿起這個工具並將其用於各種科學事業。

這項研究是利用人工智慧發現新材料的眾多努力之一。 11 月，Google DeepMind 的研究人員使用圖神經網路預測了數十萬種穩定材料，他們在 12 月 7 日報自然。 並且在同一期自然，曾和同事報道了實驗室由人工智慧操作，旨在自主生產新材料。