AI大資料助攻！革命性電池電解質研發新突破
科技
05-08
在電動車、手機、筆電及電網級儲能系統的次世代電池研發中，尋找高效能電解質始終是關鍵瓶頸。傳統研究面臨諸多矛盾：最穩定的電解質往往導電性不佳，而高效能電池又常伴隨穩定性問題。
芝加哥大學普利茲克分子工程學院Amanchukwu實驗室的博士後研究員Ritesh Kumar指出：「電極材料需要同時滿足多種特性，這些特性往往相互衝突。」他主導的最新研究發表在《Chemistry of Materials》期刊，首創運用人工智慧與機器學習技術，建立能同時最佳化離子導電性、氧化穩定性和庫侖效率三大關鍵指標的新型評估框架。
研究團隊從250篇鋰離子電池論文中建構龐大資料庫，透過AI計算出「電解質評分」（eScore），成功找出市場現有最佳電解質分子。西北大學化學與生物工程系助理教授Jeffrey Lopez評論：「這種資料驅動的研究模式，將大幅加速新電池材料的開發程序。」
面對理論上高達1060種可能的電解質分子組合，AI技術能從數十億種不適合的材料中快速篩選潛力候選者。Amanchukwu教授比喻：「就像音樂推薦系統，我們先訓練AI辨識現有『好聽歌曲』的特徵，未來目標是讓AI能直接『創作新歌曲』——也就是設計出符合所有引數的新分子。」
研究團隊自2020年起手工整理訓練資料，目前資料庫已收錄橫跨50年研究的數千種潛在電解質。特別的是，由於多數研究資料以圖表形式呈現，現有語言模型難以自動擷取，團隊仍需人工輸入這些「圖片中的數字」。
儘管已建立龐大資料庫，研究人員更關注AI對全新分子的預測能力。初步結果顯示，AI能準確預測與訓練資料相似的分子表現，但面對全新化學結構時仍面臨挑戰，這將是團隊下一階段的研究重點。
[end]
