電池設計和優化中的人工智慧
人工智慧加速了新電池材料的發現和現有電池的管理，將數十年的化學試錯時間壓縮為幾個月。
概述
It matters because better, safer, cheaper batteries are the bottleneck for electric vehicles, grids, and electronics.
深入探討
電池的開發極其緩慢：單一電解質配方可能需要數年時間才能測試，而且可能的化學物質空間巨大。人工智慧從兩個層面對此進行攻擊。在材料發現中，根據量子化學和實驗數據訓練的機器學習模型可以在合成之前預測哪些元素組合會產生高導電性、穩定性和能量密度。 2023 年，Microsoft 和西北太平洋國家實驗室篩選了超過 3,200 萬名候選者，以找到鋰用量少得多的固態電解質。在設備層面，人工智慧為電池管理系統提供動力，可估計充電狀態和健康狀態、預測剩餘壽命並檢測熱失控的早期跡象。閉環機器人實驗室增加了自動化實驗，其中人工智慧提出下一個實驗，然後機器人運行它。
技術洞察
有兩種技術占主導地位。圖神經網路將晶體或分子視為原子和鍵的圖，學習僅根據結構預測離子電導率等特性。然後貝葉斯優化指導實驗：它構建化學與性能景觀的機率替代物，並選擇每個下一個測試以最大化預期資訊增益，平衡對未知配方的探索與對有前途配方的利用，到目前為止需要更少的物理實驗。
戰略影響
配裝選擇
應用級設計決定了人工智慧是否能改善實際結果。
團隊與工作流程
良好的工作流程整合可以創造使用者值得信賴的生產力效益。
風險與安全
範圍明確的用例可以減少變更疲勞和實施風險。
人工智慧在電池設計和優化的未來
預計自動駕駛實驗室將在其中人工智慧和機器人以最少的人力投入全天候進行實驗，將發現週期從幾年縮短到幾週。經過數百萬種材料訓練的基礎模型應該推廣到鈉和固態設計等鋰替代品，以緩解稀有金屬的供應鏈壓力。電動車和電網中的設備內建人工智慧將越來越多地在故障發生之前進行預測，從而在不犧牲安全性的情況下實現更快的充電和更長的電池組使用壽命。
現實世界的實施
Microsoft 和 PNNL 使用 AI 篩選了 3200 萬種候選材料，並確定了一種新的固態電解質，可以用鈉取代大部分鋰。
特斯拉和其他電動車製造商使用機器學習電池管理軟體來估計續航里程並檢測有熱失控風險的電池。
豐田及其合作夥伴應用機器學習模型來加速固態電池電解質的開發，以實現更高的能量密度。
Aionics 和 Citrine Informatics 等新創公司使用人工智慧來推薦電解質配方，從而減少所需的物理實驗數量。
風險與防護欄
將損壞的流程自動化可能會加劇現有問題。
團隊可能會過度自動化並消除所需的人工判斷。
如果不持續評估輸出，品質可能會出現偏差。
實施路線圖
繪製目前工作流程並確定摩擦最大的步驟。
在完全自動化之前定義人工檢查點。
對使用者進行提示、升級路徑和品質標準的訓練。
追蹤任務級結果以確認持續價值。
不斷探索
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the AI in Battery Design and Optimization quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
常見問題
What is AI in Battery Design and Optimization?
人工智慧加速了新電池材料的發現和現有電池的管理，將數十年的化學試錯時間壓縮為幾個月。這很重要，因為更好、更安全、更便宜的電池是電動車、電網和電子產品的瓶頸。
2023 年 Microsoft 和 PNNL 電池材料專案有哪些值得注意的地方？
人工智慧將大約 3,200 萬候選者縮小到少數，從而產生了一種固態電解質，可以取代大部分鋰。
為什麼沒有人工智慧的傳統電池發展如此緩慢？
可能材料的組合空間非常大，驗證單一配方可能需要數年的實驗室工作。
圖神經網路將晶體或分子視為什麼？
GNN 將原子建模為節點，將鍵建模為邊緣，學習直接從該結構圖預測材料屬性。
貝葉斯優化在電池研究中的作用是什麼？
貝葉斯優化建立搜尋空間的機率模型，並選擇每個下一個實驗來平衡探索和利用，從而減少總測試。
電池管理系統使用人工智慧來估計什麼？
AI 驅動的 BMS 軟體可估計充電水平和運作狀況，並標記危險熱失控的早期跡象。