DQZHAN技術訊：人工智能大幅提高開發(fā)電解質(zhì)效率
富士通株式會社和日本理化學研究所*近公布，他們的聯(lián)合研究小組在材料設計中應用**原理計算與人工智能技術，對全固態(tài)鋰離子電池的固體電解質(zhì)組成做了預測、合成與評價試驗，并進行了實際驗證。結果證明，即使在較少數(shù)據(jù)下，通過與人工智能方法結合，仍可高效地找出*佳材料組成，大幅提高材料開發(fā)速度。
迄今為止，材料的開發(fā)不得不依賴研究人員長期積累的經(jīng)驗和敏銳的直覺，需要積累許多失敗的教訓才能成功。而**原理計算是如果指定了材料的組成，基于量子力學可以預測的特征，在實驗之前即可預測新的高功能材料的*佳組成，從而大幅減少實驗失敗次數(shù)。但是**原理計算的負荷非常巨大，材料各種組成需要多重計算，將會花費非常長的時間。
研究小組希望通過材料模擬、實驗和人工智能密切結合，解決材料開發(fā)中的問題，使材料開發(fā)時間大幅縮短，以期更容易地發(fā)現(xiàn)意想不到的組成和結晶結構，造出新的高功能材料。
此次研究小組使用人工智能方法之一的貝葉斯推斷法組合，控制**原理計算的運算次數(shù)，對全固態(tài)鋰離子電池固體電解質(zhì)的三種含有鋰的氧酸鹽合成化合物進行了預測。結果證實，該方法能在可實現(xiàn)的時間內(nèi)，預測高鋰離子傳導率的*佳組合。同時在預測的組成附近也發(fā)現(xiàn)了其他組成的高鋰離子傳導率。
鋰離子傳導率是固態(tài)電解質(zhì)材料重要的特征之一，是主導鋰電池充放電速度的因子。此次研究成果驗證了利用材料模擬和人工智能方法可高效開發(fā)不漏液、不起火的鋰離子電池，今后有望在電池、半導體以及磁性體等材料領域發(fā)揮巨大潛力。
