人工智能发现了有前途的新材料，这些材料可以使锂离子电池过时并彻底改变储能。图片来源：Shutterstock

人工智能刚刚帮助科学家找到了五种新材料，这些材料在未来的电池中可能优于锂。

这些发现可以通过使用镁和锌等元素来实现更便宜、更安全、更强大的能量存储。

解决锂离子问题

新泽西理工学院 （NJIT） 的研究人员正在利用人工智能来应对未来储能的一个重大挑战：寻找低成本、环保的锂离子电池替代品。

在发表在《细胞报告物理科学》上的一项研究中，由 Dibakar Datta 教授领导的团队使用生成式人工智能快速识别新的多孔材料，这些材料可以改变多价离子电池的发展。这些下一代电池依赖于更广泛使用的元素，例如镁、钙、铝和锌。与因供应和可持续性问题而日益紧张的锂离子电池相比，多价离子电池代表了一条充满希望且更实惠的前进道路。

为什么多价离子电池是未来

多价离子电池与传统的锂离子电池不同，它使用携带两个或三个正电荷而不是一个正电荷的离子。这使它们能够存储更多的能量，使其成为未来储能技术的一个引人注目的选择。

然而，挑战在于这些多价离子的尺寸更大、电荷更强，这使得它们难以在标准电池材料中有效移动。NJIT 团队的人工智能方法专门设计用于通过发现更适合处理这些高电荷离子的材料来克服这一障碍。

        多孔过渡金属氧化物内开放的海绵状网络允许较大的双电或三电电离子在电池的充电和放电循环中传播。图片来源：新泽西理工学院

转向生成式人工智能解决方案

“最大的障碍之一不是缺乏有前途的电池化学成分，而是完全不可能测试数百万种材料组合，”达塔说。“我们转向生成式人工智能，作为一种快速、系统的方式来筛选广阔的景观，并发现少数能够真正使多价电池变得实用的结构。

“这种方法使我们能够快速探索数千种潜在候选者，从而大大加快寻找更高效、更可持续的锂离子技术替代品。”

双人工智能的力量：CDVAE 和 LLM

为了克服这些障碍，NJIT 团队开发了一种新颖的双人工智能方法：晶体扩散变分自动编码器 （CDVAE） 和微调的大型语言模型 （LLM）。这些人工智能工具共同快速探索了数千种新的晶体结构，这是以前使用传统实验室实验无法做到的。

CDVAE 模型在已知晶体结构的大量数据集上进行了训练，使其能够提出具有多种结构可能性的全新材料。同时，LLM 被调整为最接近热力学稳定性的材料归零，这对于实际合成至关重要。

发现 5 个突破性结构

“我们的人工智能工具极大地加快了发现过程，发现了五种全新的多孔过渡金属氧化物结构，显示出巨大的前景，”Datta 说。“这些材料具有大型开放通道，非常适合快速安全地移动这些笨重的多价离子，这是下一代电池的关键突破。”

该团队使用量子力学模拟和稳定性测试验证了人工智能生成的结构，证实这些材料确实可以通过实验合成，并且在实际应用中具有巨大的潜力。

超越电池：可扩展材料革命

Datta 强调了他们的人工智能驱动方法的更广泛影响：“这不仅仅是发现新的电池材料，而是建立一种快速、可扩展的方法来探索从电子产品到清洁能源解决方案的任何先进材料，而无需进行大量的试验和错误。

凭借这些令人鼓舞的结果，Datta 和他的同事计划与实验实验室合作合成和测试他们的人工智能设计材料，进一步突破商业上可行的多价离子电池的界限。