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。针对这一情况,来自美国斯坦福大学的研究人员使用人工智能和机器学习的办法,找到了约21种固体的电解质材料,有希望彻底解决这一问题。
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、应用物理学博士研究生Austin Sendek表示:“现有的含有锂元素的化合物数量是数以万计的,绝大多数是未经测试的。其中的一些可能是性能优异的导体。我们开发了一个计算模型,对于我们现有的有限数据进行学习,从大规模的数据库中,筛选出合适的材料。这种筛选方法的速度是现有筛选方法的百万倍。”
为了设计这个模型,Austin Sendek花费了差不多两年时间,搜集了关于含有锂元素的固体化合物的几乎所有科学数据,然后通过这些数据对待选固体化合物的稳定性、成本、丰富度、锂离子的导电性等诸多理化属性进行了评测,最终筛选出了21种最合适的固体电解质材料。
Austin Sendek表示:“我们筛选了超过12,000种含有锂元素的化合物,最终找到了21种作为固体电极的理想材料。筛选只需要花费几分钟。我绝大多数的时间,实际上是用于搜集和管理所有的数据,开发对于预测模型更可靠的度量机制。”
研究人员未来计划在实验室环境下测试这21种材料,进一步确认它们是否是现实情况下的最佳选择。
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。”
好文章,需要你的鼓励
谷歌深度思维团队开发出名为MolGen的AI系统,能够像经验丰富的化学家一样自主设计全新药物分子。该系统通过学习1000万种化合物数据,在阿尔茨海默病等疾病的药物设计中表现出色,实际合成测试成功率达90%,远超传统方法。这项技术有望将药物研发周期从10-15年缩短至5-8年,成本降低一半,为患者更快获得新药治疗带来希望。
继苹果和其他厂商之后,Google正在加大力度推广其在智能手机上的人工智能功能。该公司试图通过展示AI在移动设备上的实用性和创新性来吸引消费者关注,希望说服用户相信手机AI功能的价值。Google面临的挑战是如何让消费者真正体验到AI带来的便利,并将这些技术优势转化为市场竞争力。
哈佛医学院和微软公司合作开发了一个能够"听声识病"的AI系统,仅通过分析语音就能预测健康状况,准确率高达92%。该系统基于深度学习技术,能够捕捉声音中与疾病相关的微妙变化,并具备跨语言诊断能力。研究团队已开发出智能手机应用原型,用户只需完成简单语音任务即可获得健康评估,为个性化健康管理开辟了新途径。