名为 Dragonfly 的人工智能正在帮助设计更快充电的电池

电池比以往任何时候都更加重要，因为它们可以驱动汽车、为各种设备供电，甚至让一些实验性飞机飞起来。但电池技术还有很长的路要走，才能看到电动汽车得到更广泛的应用、笔记本电脑电池续航时间延长数月以及电动飞机飞行时间延长。这就是为什么世界各地的工程师和研究人员都在不断寻找下一个重大的电池创新。

根据《自然通讯》杂志最近发表的一篇论文，卡内基梅隆大学的研究人员利用机器人和人工智能相结合的系统设计了更好的锂离子电池电解质。具体来说，该团队正在寻找能够让电池更快充电的电解质——这是当今电池技术的最大问题之一，也是电动汽车广泛普及的一大障碍。

锂离子电池有一个阴极和一个阳极，周围环绕着电解质。充电时，离子会通过电解质从阴极迁移到阳极（放电时反之亦然）。电解质的确切成分决定了电池充电、放电和其他性能的速度。因此，优化电解质溶液是电池设计师面临的关键挑战之一。

研究团队使用一种自动化装置，包括泵、阀门、容器和其他实验室设备，将其称为“Clio”，以不同比例混合三种潜在溶剂和一种盐。正如论文指出的那样，“电池创新可能需要数年时间才能实现”，部分原因是有太多潜在化学物质可以以各种比例使用，优化它们“费时费力”——至少对人类来说是这样。但凭借各种自动化部件，Clio 能够显著加快实验速度。

[相关：戴森为何全力投入固态电池]

为了进一步消除人为因素，Clio 的结果被输入到一个名为“Dragonfly”的机器学习系统中，该系统分析数据以寻找模式并提出可能表现更好的替代比例。然后，Clio 自动运行这些新提议的实验，让 Dragonfly 进一步优化化学配方。

总的来说，仅使用一种盐和三种溶剂，Clio 和 Dragonfly 就能够在两天内进行 42 次实验，并得出六种解决方案，这些解决方案的性能优于由相同四种化学物质制成的现有电解质溶液。与使用市售电解质的最佳测试电池相比，包含一种机器人 AI 开发的电解质的最佳测试电池的性能提高了 13%。

在接受《麻省理工学院技术评论》采访时，卡内基梅隆大学副教授、 《自然通讯》论文合著者之一 Venkat Viswanathan 解释说，研究电解质成分的问题在于，你可以“以数十亿种方式”将它们组合在一起。在此之前，大多数研究依赖于猜测、直觉和反复试验。由于没有偏见，并且能够快速循环实验条件，Clio 和 Dragonfly 可以测试比人类研究人员多得多的选项（无论是微小的改进还是登月计划的解决方案），并且不受先入为主的观念的束缚。然后，它们可以利用从每次实验中学到的知识并进行调整，以找到研究团队所需的最佳电解质。

在这种情况下，Clio 和 Dragonfly 正在优化充电速度，但类似的“闭环”实验可以优化容量、放电时间、电压以及影响商用电池性能的所有其他因素。事实上，该团队认为他们的工作“将对电池界以外的地方有用”，声称他们的“定制设计的机器人平台、实验规划和与设备测试的集成将对优化其他用于能源应用和材料科学的自主发现平台很有价值。”

卡内基梅隆大学的团队并不是唯一一个探索机器学习如何优化电池制造、维护和充电过程中的众多设计考虑因素和复杂变量的团队。上个月底，美国能源部运营的爱达荷国家实验室的一组政府研究人员宣布，他们已经找到了一种安全可靠的方法，可以在短短 10 分钟内将电动汽车充电至 90%。他们使用机器学习算法分析了来自不同类型锂离子电池的 20,000 到 30,000 个数据点，以找到最有效、最安全的充电方法。然后，他们通过在真实电池上测试新开发的充电协议来确认他们的结果。

虽然液体电解质是电池研究的一个前沿，但另一个前沿是探索用固体代替液体的方法。