來自Skolkovo科技與技術研究所（Skoltech）及AIRI研究所的研究人員在固態電池技術方面取得了重要進展。這項技術有潛力使未來的電動車（EV）在單次充電下行駛距離增加50%，同時提高安全性和電池壽命。
這一突破是通過應用機器學習技術來加速高性能電池材料的發現而實現的。研究人員指出，「提高固態電池的能量密度、充電速率和穩定性，以及傳感器的響應時間或記憶電阻的切換時間，可以通過設備架構和/或材料組件的創新來達成。因此，理解離子傳輸機制及其特性對於設計先進的離子導體至關重要。」
神經網絡的應用使得快速識別固態電池關鍵組件的最佳材料成為可能，包括固體電解質及其保護塗層。目前的電動車主要依賴傳統的鋰離子電池，這些電池使用液體電解質，存在一定的火災風險。而固態電池則利用陶瓷等固體材料來傳導鋰離子，這本質上提高了安全性並提供了更優越的能量密度。
汽車製造商長期以來一直希望整合這項技術，但缺乏合適的固體電解質一直是一個重大挑戰。Skoltech的博士生Artem Dembitskiy表示：「我們證明了圖神經網絡能夠以傳統量子化學方法的幾個數量級更快地識別具有高離子移動性的固態電池新材料。這可能加速新電池材料的開發，我們通過預測多種固態電池電解質的保護塗層來證明這一點。」
研究還強調了保護塗層的重要性。這些塗層對於保護電解質免受高度反應性的金屬鋰陽極和陰極材料的影響至關重要。如果沒有這些塗層，電池性能可能會迅速下降，並增加短路的風險。共同作者、助理教授Dmitry Aksyonov解釋道：「陽極的金屬鋰是一種強還原劑，因此幾乎所有現有的電解質在接觸時都會發生還原。陰極材料是一種強氧化劑。當電解質被氧化或還原時，其結構完整性會喪失，這可能會降低性能甚至導致短路。」
機器學習算法在這裡發揮了重要作用。它能有效篩選大量候選材料，以識別出具備耐用性和效率的理想特性材料。
在實際應用中，研究團隊成功利用其基於人工智慧的方法發現了Li10GeP2S12的創新塗層材料，這是一種固態電池電解質的主要候選材料。他們的研究結果識別出如Li3AlF6和Li2ZnCl4等有前景的化合物，為開發高效且堅固的下一代電池鋪平了道路。
這項突破有望改變能源儲存領域，實現更安全、更耐用且性能更高的電動車及便攜式電子設備。
日本電話卡推介 / 台灣電話卡推介
一㩒即做：香港網速測試 SpeedTest HK
