史丹佛大學應用物理學博士候選人Austin Sendek說：“電解質在電池的正極和負極之間來回傳輸鋰離子。液體電解質的價格便宜，離子的傳導效果也非常好，但如果發(fā)生電池過熱或因穿刺而短路時，可能導致起火。而固體電解質的主要優(yōu)點就是穩(wěn)定，固體比有機溶劑更不容易發(fā)生炸裂或蒸發(fā)，而且也更堅硬，能夠讓電池結構更堅固。”盡管經過多年的實驗室試驗和錯誤，研究人員至今尚未找到一種在室溫下的表現像液體電解質一樣的廉價固體材料。因此，研究團隊利用AI技術和機器學習的方法，從實驗數據中建構可預測模型。他們訓練計算機算法來學習如何根據現有數據辨識好的和壞的化合物，就像臉部辨識算法學習在看到幾個例子之后就能辨識人臉一樣。

“目前約有成千上萬的已知含鋰化合物，其中絕大多數都未經測試。”Sendek指出，“然而，其中有些可能是絕佳的導體。因此，我們開發(fā)了一個運算模型，能夠從我們現有的有限數據中進行學習，然后再讓我們從大量的材料資庫中篩選潛在的候選方案——這種方式比目前的篩選方法更快一百萬倍。”

為了建立模型，Sendek花了兩年多的時間收集所有關于含鋰固體化合物的科學資料。

史丹佛大學材料科學與工程助理教授Evan Reed說：“Austin收集了所有有關這些材料的人類知識，以及許多測量和實驗數據，這些數據甚至可追溯到從幾十年前開始。他利用這些知識創(chuàng)造了一個模型，可以預測材料是否是一種良好的電解質。這種方法能夠篩選出全部的備選材料，以確定最有發(fā)展前景的材料，以供后續(xù)的研究。”

該模型使用幾項標準來篩選有發(fā)展?jié)摿Φ牟牧?，包括穩(wěn)定性、成本、充裕度，以及其導電鋰離子和重新路由電子通過電池電路的能力。這些備選材料是在材料在線數據庫‘Materials Project’上進行選擇；‘Materials Project’是一個能讓科學家探索數千種材料的物理和化學特性的在線數據庫。

Sendek說：“我們篩選了超過12,000種含鋰化合物，最終得到了21種有發(fā)展?jié)摿Φ墓腆w電解質。結果只需要花費幾分鐘的時間進行篩選，而絕大部份的時間基本上都花在收集和策劃所有的數據，以及開發(fā)可定義模型預測可信度的指標。”

研究人員最終計劃在實驗室中測試21種材料，以確定哪些材料最適合現實世界的條件。

“我們所采取的途徑有潛力解決許多種材料的問題，并提高在這些領域進行研究投資的效果，”Reed并強調，“隨著全世界的數據量增加以及計算機持續(xù)進展，我們的創(chuàng)新能力將不斷呈指數級成長。因此，無論是電池、燃料電池或其他任何東西，目前在這一領域正是一個真正令人興奮的時刻。”