电池不爆炸，人工智能开发出的固态锂电池能做到？

　　谈及锂电池安全问题就不得不提到让众多消费者心有余悸的Galaxy Note 7手机电池爆炸事件，三星为此召回了近200万台Note 7手机。这项灾难性事件使得三星第三季度净利润同比下降16.8%，以及移动部门季度利润创下自六年前首次推出Galaxy系列手机产品线以来的最低记录。

　　研究显示，普通锂离子电池之所以发生爆炸的重要原因之一，就是由于传统锂电池的电解液为有机液体，在不太高的温度下就能发生副反应，产生气体，膨胀后引起爆炸。为了提高锂电池的安全性能，过去几十年来科学家们一直在寻求可以替代锂离子电池中易燃电解液的安全材料。近期斯坦福大学的研究员们通过人工智能以及机器学习的方法，找到了约21种固体的电解质材料，据称它们在未来有可能替代易燃电解液应用在手机、笔记本以及其他电子设备中。

　　

　　日前该团队将他们的研究成果发表在《能源与环境科学》杂志上。文章显示，科学家们并没有使用传统的随机测试个别化合物的方法来寻找新的固体电解质材料，而是使用了人工智能和机器学习，通过实验数据构造预测模型。他们训练了一种计算机算法，基于现有的数据，去学习如何辨认化合物的好坏。这个过程和人脸识别算法，在观察几个范例后，去辨认人脸的过程很类似。

　　论文的第一作者、研究的带头人、应用物理方面的博士研究生Austin Sendek表示电解液在电池中起到了在正负电极之间传递锂离子的作用。电解液成本低、导电性能好，然而电池一旦过热或者短路，电解液则非常容易着火，带来的安全隐患是巨大的。Sendek认为固态电解质最主要的优点就是稳定性高，而且相比于有机溶剂，固体不易爆炸和挥发，同时还会使得电池的结构更强。

　　在过去长时间的实验和试错的过程中，科学家们一直都没能找到和电解液一样便宜，并且在室温下就具有量好导电性的固态电解质。此次的斯坦福实验小组并没有使用传统的试验方法，随机的对单个化合物进行测试，而是利用了人工智能和机器学习。团队通过实验数据搭建了一个预测模型。基于现有的数据，成员们训练出了一种计算机算法，它可以去辨别固态电解质化合物的好坏。这个过程和人脸识别很类似，机器在观察几个给出的样本后，通过深度学习不断提高辨认的准确度。

　　Sendek表示“已知的含锂化合物的数量有几万个，我们做过测试的仅占很小一部分，然而其中一些化合物可能就是我们正在寻找的完美的导体。因此我们建立了一种计算模型，它通过对我们已经得出的现有数据进行学习，可以从巨大的化合物数据库种挑选出有可能达到我们要求的材料。并且这种筛选方法的速度比我们现有筛选方法的速度要快100万倍左右。”

　　为了建立这种计算模型，Sendek花费了大概两年的时间收集了所有和含锂固态化合物相关的已知科学数据，工程量之大可想而知。这项论文的高级作者，材料科学和工程专业的助理教授Evan Reed在采访中表示“为了建立这个模型，Austin收集了和这些材料相关的所有的人类智慧，以及过去几十年的测量和实验数据。正是这些数据使得Austin得以建立一个具有预测能力的模型，预测某种材料是会是好的固态电解质。这种方法使得我们可以以比较快的速度对所有的含锂化合物进行筛选，从而找出适合进一步研究的最佳候选材料”。

　　这个预测模型使用了几个评判标准对候选材料进行筛选，包括稳定性、成本、富含量、锂离子导电能力以及在电池电路中为电子重新规划路径的能力。候选的材料是从“ The Materials Project”数据库中挑选出来的，科学家们可以从这个数据库中探索上千个材料的物理和化学性能。Sendek告诉记者“我们对超过12000个含锂化合物进行了筛选，挑出了21个比较有潜力的固态电解质，整个筛选过程只需大概几分钟。我的大部分时间其实都用来收集和管理所有的数据，以及开发定义模型预测准确度的度量机制。”研究人员们最终决定对这21种材料进行实验室测试，从而决定哪一种材料更适合应用于现实场景中。Reed表示“我们的方法可以解决多种和材料相关的问题，并且可以提升这些领域的研究投资效果。随着数据量的增多以及电脑技术的提高，我们的创新能力也将以指数形式提升。”

　　对于这项研究的意义和未来，论文的另一位作者，材料科学和工程专业的助理教授Evan Reed 表示：“我们的方案能够处理关于材料的许多问题，有助于增加这个领域的研究投资效果。随着现实世界中数据量的增长和计算机性能的提高，我们的创新能力将以指数方式增加。无论是锂电池、燃料电池还是其他的各种电池，这个领域的研究都具有重大的意义。”