這種新方法是科學由芝加哥大學普利茲克分子工程學院Amanchukwu實驗室的博士後RiteshKumar博士和他的團隊開發的，他們使用一種名為“eScore”的家通解質指標來評估和排名潛在的電池電解質候選物。利用人工智能和機器學習，過人工智該係統評估電解質分子的型篩選固三個關鍵性能標準，包括離子電導率、體電氧化穩定性和庫侖效率，池電這些特性通常難以同時優化。候選根據Kumar的科學說法，雖然電解質的家通解質開發通常涉及權衡，因為提供高穩定性的過人工智分子通常缺乏導電性，反之亦然，型篩選固但新工具有助於確定可以同時滿足多種性能要求的體電候選材料。訓練人工智能為了建立訓練數據集，池電研究人員手動編譯了超過250項科學研究的候選數據，這些研究跨越了50多年的科學鋰離子電池研究。許多相關信息僅以圖像形式存在，無論是圖表還是嵌入日記賬圖中的表格，都需要手工輸入。經過訓練後，人工智能係統可以根據預測的表現對候選分子進行評分，包括一些它從未遇到過的分子。該模型在一種情況下確定了一種與現有最佳商業電池電解質相匹配的分子。據研究小組稱，這種創新方法與電池研究中常用的傳統試錯方法不同。他們進一步解釋說，僅通過實驗室測試來探索每種可能的電解質組合幾乎是不可能的，潛在候選分子的數量估計高達10⁶⁰。“好色先生视频不可能在研究了數億種化合物後說，‘哦，我認為好色先生视频應該研究這個，’”Amanchukwu說，並將在研究中使用人工智能與在線聽音樂進行了比較。就像音樂推薦算法一樣，人工智能學習模式來預測最有希望的分子。Amanchukwu表示，下一步是開發一種人工智能，它不僅可以挑選歌曲，還可以創建播放列表，從而為設計全新的分子鋪平道路。展開全文接下來的步驟據報道，該團隊於2020年開始手動管理人工智能訓練數據集，從50多年的電池研究中提取了數千種潛在化合物，其中大部分都隱藏在圖表、數字和圖表中。由於大多數大型語言模型隻能解釋文本，它們必須手動輸入值，這涉及到突出顯示它們所突出的內容，這非常耗時。Amanchukwu在一份好色先生破解版成人稿中說：“即使是今天的模型也很難從圖像中提取數據。”他補充說，由於格式問題，手動輸入數據是必要的，因為關鍵信息通常嵌入在圖像中，而不是文本中。盡管數據集規模很大，但研究人員強調，訓練模型隻是一個開始。為了測試其真正的潛力，人工智能被評估為以前從未見過的分子。它在化學上與已知化合物相似的化合物上表現良好，但在不熟悉的化合物上表現不佳。現在，該團隊正專注於克服下一個重大挑戰，包括訓練人工智能模型，以準確預測完全不同化學空間中分子的表現。這是推進下一代電池設計的重要一步。這項研究發表在《材料化學》雜誌上。如果朋友們喜歡，敬請關注“知新了了”！