研究顯示，普通鋰離子電池之所以發生爆炸的重要原因之一，就是由于傳統鋰電池的電解液為有機液體，在不太高的溫度下就能發生副反應，產生氣體，膨脹后引起爆炸。針對這一情況，來自美國斯坦福大學的研究人員使用人工智能和機器學習的辦法，找到了約21種固體的電解質材料，有希望徹底解決這一問題。
日前該團隊將他們的研究成果發表在《能源與環境科學》雜志上。文章顯示，科學家們并沒有使用傳統的隨機測試個別化合物的方法來尋找新的固體電解質材料，而是使用了人工智能和機器學習，通過實驗數據構造預測模型。他們訓練了一種計算機算法，基于現有的數據，去學習如何辨認化合物的好壞。這個過程和人臉識別算法，在觀察幾個范例后，去辨認人臉的過程很類似。
論文的第一作者、研究的帶頭人、應用物理學博士研究生 Austin Sendek 表示：“現有的含有鋰元素的化合物數量是數以萬計的，絕大多數是未經測試的。其中的一些可能是性能優異的導體。我們開發了一個計算模型，對于我們現有的有限數據進行學習，從大規模的數據庫中，篩選出合適的材料。這種篩選方法的速度是現有篩選方法的百萬倍。”
為了設計這個模型，Austin Sendek 花費了差不多兩年時間，搜集了關于含有鋰元素的固體化合物的幾乎所有科學數據，然后通過這些數據對待選固體化合物的穩定性、成本、豐富度、鋰離子的導電性等諸多理化屬性進行了評測，最終篩選出了21種最合適的固體電解質材料。
Austin Sendek 表示：“我們篩選了超過12，000種含有鋰元素的化合物，最終找到了21種作為固體電極的理想材料。篩選只需要花費幾分鐘。我絕大多數的時間，實際上是用于搜集和管理所有的數據，開發對于預測模型更可靠的度量機制。”
研究人員未來計劃在實驗室環境下測試這21種材料，進一步確認它們是否是現實情況下的最佳選擇。
對于這項研究的意義和未來，論文的另一位作者，材料科學和工程專業的助理教授 Evan Reed 表示：“我們的方案能夠處理關于材料的許多問題，有助于增加這個領域的研究投資效果。隨著現實世界中數據量的增長和計算機性能的提高，我們的創新能力將以指數方式增加。無論是鋰電池、燃料電池還是其他的各種電池，這個領域的研究都具有重大的意義。”
