AI助攻固態電池研發！科學家突破傳統實驗框架

全球科學家正與時間賽跑，致力開發革命性的永續能源解決方案，其中固態電池被視為對抗氣候變遷的關鍵技術。不過，這項研究過去就像一場馬拉松，傳統方法必須透過反覆試錯，逐一測試各種材料與既定路徑。

為加速研發程序，日本東北大學研究團隊開發出一套資料驅動的AI框架，能快速篩選出最具潛力的固態電解質(SSE)候選材料。這套模型不僅能挑選最佳材料，更能預測化學反應過程與機制，讓研究人員無需進實驗室就能獲得關鍵洞見。這項突破性研究成果已發表於2025年4月17日的《應用化學國際版》。

「這套模型幫我們完成了所有繁瑣的試錯工作。」先進材料研究所的李浩教授解釋：「它透過龐大的研究資料庫，分析所有潛在選項，找出最理想的SSE候選材料。」

這項開創性方法整合了大型語言模型(LLMs)、元動力學模擬、多元線性回歸、遺傳演演算法，以及理論實驗比對分析。預測模型同時參考實驗資料與計算結果，為研究人員指明最具成功潛力的研發方向。

研究團隊特別針對氫化物SSE進行陽離子遷移能障的實驗與模擬比對，並分析遷移活化能與理論引數間的關聯性。透過特徵分析結合多元線性回歸，他們成功建立精準的預測模型，可快速評估氫化物SSE的效能表現。

這項研究的重要突破在於理解SSE的結構-效能關係。模型能預測活化能、識別穩定晶體結構，並最佳化整體研究流程。研究證實，從頭算元動力學模擬是最佳的計算技術，對複雜氫化物SSE的模擬結果與實驗資料高度吻合。

更令人振奮的是，團隊發現單價與雙價氫化物SSE中存在新穎的「兩步式」離子遷移機制，這源自分子基團的引入。特別值得一提的是，這套框架無需實驗資料輸入，就能準確預測候選材料結構。

李浩教授團隊開發的「固態電解質動態資料庫」(DDSE)已收錄這項研究的關鍵實驗與計算結果，這是目前全球最大的固態電解質資料庫。研究團隊計劃將這套框架擴充套件應用至各類電解質家族，並考慮匯入生成式AI工具來探索離子遷移路徑與反應機制，進一步提升平臺的預測能力。

這項研究為新一代固態電池的高效設計與最佳化提供了突破性見解與先進方法論，將大幅推進永續能源解決方案的發展程序。

[end]