在上周 ClimateTech 大會的最后一場活動上，我了解到了人工智能如何幫助開發(fā)未來電動跑車的電池材料。
這是在與文卡特維斯瓦納坦（Venkat Viswanathan）討論電動航空業(yè)的潛力時提出的。考慮到空中飛行對電池的巨大需求，這是一個令人興奮的前景，也是一個巨大的挑戰(zhàn)。今天的電池根本無法在空中堅持太久。
在我們的討論中，維斯瓦納坦表示，他之所以認(rèn)為電動航空業(yè)充滿希望，一個重要原因是他看到了人工智能加速電池研究的潛力。事實上，他在 2020 年聯(lián)合創(chuàng)立了一家名為 Aionics 的初創(chuàng)公司，旨在將人工智能引入電池開發(fā)領(lǐng)域。
在 ClimateTech 的舞臺上，維斯瓦納坦宣布了一項新的研究合作伙伴關(guān)系，他表示這將使人工智能成為開發(fā)未來電動汽車電池的關(guān)鍵力量。這筆交易的雙方是 Aionics 和德國電池制造商 Cellforce，Cellforce 是保時捷的子公司。 Aionics 將幫助 Cellforce 設(shè)計新的電解質(zhì)材料，以期制造出更好的電池。
這場討論和 ClimateTech 的所有其他活動仍讓我感到興奮，所以現(xiàn)在，我想帶你進一步了解人工智能如何幫助推動電池技術(shù)的發(fā)展。
加速
我們需要更好的電池。充電速度更快、容量更大的電動汽車可以取代更多的傳統(tǒng)內(nèi)燃機汽車。對于航空等一些行業(yè)來說，電池化學(xué)的重大技術(shù)進步將是必要的，以使更新、更清潔的技術(shù)落地。
但是，在實驗室里構(gòu)想出的新電池，距離大規(guī)模生產(chǎn)還有很長的路要走。這條路可能需要十多年才能走完。
（來源：STEPHANIE ARNETT/MITTR）
在 ClimateTech 的會議上，維斯瓦納坦概述了這個問題，同時指著他手腕上的健身追蹤器，里面有一塊 Sila 制造的電池。它的新型陽極是用硅制成的，這有助于把更多的能量放入設(shè)備中。據(jù)該公司稱，這款微小產(chǎn)品的電池化學(xué)成分經(jīng)過了 55000 多次迭代。
Aionics 的另一位聯(lián)合創(chuàng)始人阿斯汀森德克（Austin Sendek）在活動前的一次電話會議上表示，這對電池開發(fā)商來說是一種非常典型的情況，也是新技術(shù)的一大瓶頸。森德克說：“電池和氣候技術(shù)的緊迫性太大了……過去幾年的這種試錯方法根本不起作用。”
問題是，可以在電池中使用的潛在材料和材料組合，其數(shù)量幾乎是無法統(tǒng)計的。森德克估計，可供商業(yè)使用的化學(xué)品數(shù)量高達數(shù)十億種。他說：“數(shù)量太多了，我們根本不知道該怎么辦。”
Aionics 正致力于使用人工智能工具幫助研究人員更快地找到更好的電池化學(xué)物質(zhì)。該公司主要專注于電解質(zhì)，這種材料負(fù)責(zé)在電池中運輸電荷。森德克說：“這對我們來說是一個巨大的機會，可以加速整個行業(yè)的發(fā)展。”
換檔
那么，這一切究竟是如何運作的呢？人工智能可以驅(qū)動很多工具，Aionics 希望這些工具將有助于為未來的電動汽車和其他應(yīng)用領(lǐng)域制造更好的電池。
機器學(xué)習(xí)可以對許多選項進行分類。即使只考慮當(dāng)今電池中使用的化學(xué)物質(zhì)，也有大量的組合擺在眼前。機器學(xué)習(xí)工具可以幫助設(shè)計實驗，以加快篩選這些選項的過程，同時優(yōu)化所需的結(jié)果。正如我的同事詹姆斯特姆普（James Temple）在 2022 年所寫的那樣，在最近的一篇論文中，維斯瓦納坦和合著者使用了這些工具來尋找?guī)椭姵馗斐潆姷碾娊赓|(zhì)。
生成式人工智能可以設(shè)計新材料，甚至有可能超越目前可用的數(shù)十億分子。
Aionics 希望利用在現(xiàn)有電池材料上訓(xùn)練的生成式模型來開發(fā)尚未發(fā)現(xiàn)的新材料。這些分子將被添加到等待池中進行合成，并在電池中進行測試。
這個想法類似于將人工智能用于藥物發(fā)現(xiàn)，我的同事威爾道格拉斯海文（Will Douglas Heaven）在 2023 年早些時候深入討論了這個話題。
大型語言模型可以幫助研究人員更快地工作。在 ClimateTech 的另一場活動中，維斯瓦納坦分享了 Aionics 開發(fā)的一種名為 ElectroBot 的大型語言模型的進展。該模型使用的訓(xùn)練數(shù)據(jù)是教科書和已發(fā)表的電解質(zhì)化學(xué)研究，可以幫助回答有關(guān)化學(xué)性質(zhì)的問題或提出建議，從而幫助解決實驗室中的問題。
這類人工智能模型通常存在“幻覺”問題，或產(chǎn)生不真實的回答。這家初創(chuàng)公司正致力于在其模型中解決這一問題，嘗試告訴科學(xué)家可以在教科書或發(fā)表的論文中找到對應(yīng)的信息。
正如維斯瓦納坦所說，人工智能可能是我們加快電池開發(fā)時間表的最佳機會。
作者簡介：凱茜克龍哈特（Casey Crownhart），是《麻省理工科技評論》的氣候記者，專注于可再生能源、交通以及技術(shù)如何應(yīng)對氣候變化。她還曾是一名自由科學(xué)和環(huán)境記者，為 Popular Science 和 Atlas Obscura 等媒體撰稿。在從事新聞工作之前，她是一名材料科學(xué)的研究員。
支持：Ren
