機器學習模擬突破鋰離子電池設計瓶頸
Schrödinger 於自然期刊發表最新鋰離子電池研究報告，這項研究發現鋰離子電池電解液在原子結構上的運作機制，該公司研究團隊與哥倫比亞大學以及紐約結構生物學中心的研究人員展開合作，突破學術瓶頸，藉著機器學習力場將電池研發從過往的經驗法則轉變為可預測規劃的設計，為未來開發出快速充電、高容量以及壽命更長的鋰離子電池產品提供數據參考。
電池電解液結構限制
這項新研究發現利用了 Schrödinger 公司基於物理原理的 AI 運算平台，解決了儲能領域設計中長期存在的研究瓶頸。
在鋰離子電池系統中，電解質直接影響了電導率、黏度、鹽解離程度以及電化學穩定性等重要物理特性。
廣告 - 內文未完請往下捲動
鋰離子電池電解質直接驅動固態電解質界面的形成機制，固態電解質界面是生成於電池負極表面的一層保護膜，它的穩定性與質量直接決定了電池整體的循環壽命與運作安全性。然而，過往科學界對於電解質結構究竟如何在原子層級細節上影響這些特性，所掌握的理解依然相當有限。
以往在模擬複雜的電池化學系統時，嚴苛的計算限制經常迫使科學界與研究人員必須在量子精度與大規模模擬之間進行艱難的權衡與選擇。若選擇高精度的量子力學計算，就無法擴大模擬的原子尺度與時間跨度，若選擇大規模模擬，則必須犧牲對原子間作用力的精準描繪。
Schrödinger 副總裁 Mat Halls 表示，以往模擬複雜電池系統迫使科學家在量子精度和大規模模擬之間做出選擇，而公司的機器學習力場技術則消除了這種限制。
機器學習力場模擬技術
該研究團隊利用 Schrödinger 機器學習力場，對鋰離子電池電解質進行了嚴謹的分子動力學模擬，機器學習模擬結果顯示，鋰離子在電解液中經常會形成由碳酸乙烯酯溶劑分子所配位的聚集簇，而且這種聚集簇是在完全沒有陰離子參與的情況下獨立存在的，這是一項先前在基礎化學領域中未曾被發現到的結構現象。
Schrödinger 共同創辦人 Richard Friesner 表示，利用機器學習力場，團隊發現電池中的鋰離子在沒有陰離子的情況下會聚集形成簇，而正是這些簇驅動了電池表面保護膜的形成過程。
Richard Friesner 指出，透過計算預測出這類化學反應，成功通過實驗驗證，證明了基於物理原理的運算平台能夠精確模擬出電池中隱藏的原子細節，此外，這些研究成果顯示，大多數複雜的化學機制，都可以利用機器學習力場技術進行基於物理原理的預測性模擬。
多鋰離子簇實驗驗證
此項研究歸納出數項突破性發現。首先，在標準的電池電解液環境中，高達 40 % 的鋰離子會聚集形成多離子簇；而在高鹽濃度的電解液條件下，這種聚集現象顯得更為普遍，這項發現打破了過去的傳統假設，即鋰離子在溶液中主要以孤立、被溶劑包覆的形式存在。
其次，機器學習力場的模擬結果呈現出極高的精準度，且與多項凝聚相實驗數據高度吻合。研究團隊進行了嚴密的實驗比對，證實模擬預測與核磁共振譜、電解液密度、液體黏度、離子電導率以及擴散係數等實測數值保持完全一致，從物理實體層面證實了這些預測出的多鋰離子簇確實真實存在，結果表明，這些多鋰離子簇具有獨特且易於還原的電位特性，對於調控固態電解質界面的品質具有決定性作用，這些新見解，為未來電池開發提供了數據支持。
風險提示
加密貨幣投資具有高度風險，其價格可能波動劇烈，您可能損失全部本金。請謹慎評估風險。
