随着电池驱动汽车、为我们的无数设备供电，甚至 一些实验飞机 也能飞行，电池变得比以往任何时候都更加重要。但是，在电动汽车得到更广泛的普及、笔记本电脑电池续航数月以及电动飞机能够飞得更远之前，电池技术还有很长的路要走。这就是为什么世界各地的工程师和研究人员一直在寻找下一项重大的电池创新。
根据最近发表在《自然·通信》上的一篇论文，卡内基梅隆大学的研究人员使用了一个结合了机器人和人工智能的系统来设计更好的锂离子电池电解质。特别是，该团队正在寻找能够使电池充电更快的电解质——这是当今电池技术最大的问题之一，并且是 电动汽车普及的主要障碍。
锂离子电池有一个 阴极和一个阳极，它们被电解质包围。当它们充电时，离子会通过电解质从阴极迁移到阳极（放电时则相反）。电解质的确切成分决定了电池充电、放电以及其他方面的性能速度。因此，优化电解质溶液是电池设计者的关键挑战之一。
该研究团队使用了一个自动化的泵、阀门、容器和其他实验室设备的组合，他们将其命名为“Clio”，用于混合三种潜在溶剂和一种盐的不同比例。正如论文指出的那样，“电池创新可能需要数年时间才能交付”，部分原因是可以使用各种比例的化学物质非常多，优化它们“耗时且费力”——至少对于人类来说是这样。但Clio凭借其各种自动化部件，能够显著更快地进行实验。
[相关：为什么戴森全力投入固态电池]
为了进一步消除人为因素，Clio的结果被输入到一个名为“Dragonfly”的机器学习系统中，该系统分析数据以寻找模式并提出可能表现更好的替代比例。然后，Clio自动运行这些新提出的实验，从而让Dragonfly进一步优化化学配方。
总而言之，仅使用一种盐和三种溶剂，Clio和Dragonfly在两天内运行了42个实验，并得出了六种性能优于由相同四种化学物质制成的现有电解质溶液的解决方案。含有机器人-人工智能开发的电解质的最佳测试单元，与使用市售电解质的最佳测试单元相比，性能提高了13%。
在接受《麻省理工科技评论》采访时，卡内基梅隆大学副教授、<《自然·通信》论文的合著者之一的Venkat Viswanathan解释说，处理电解质成分的问题在于，你可以“以数十亿种方式”组合它们。在此之前，大多数研究依赖于猜测、直觉和反复试验。Clio和Dragonfly由于不受偏见影响且能够快速循环实验条件，因此可以测试比人类研究人员更多的选项——无论是微小的改进还是突破性的解决方案——并且不会受到他们先入为主观念的束缚。然后，他们可以根据从每次实验中学到的知识进行调整，以找到研究团队所需的最佳电解质。
在这种情况下，Clio和Dragonfly在优化充电速度，但类似的“闭环”实验可以优化容量、放电时间、电压以及商业电池性能中所有其他重要因素。事实上，该团队认为他们的工作“将超越电池界”，声称他们的“定制设计的机器人平台、实验规划以及与设备测试的集成，将在能源应用和材料科学的通用其他自主发现平台的优化中具有价值。”
卡内基梅隆大学的团队并非 唯一探索机器学习如何优化电池制造、维护和充电中许多设计考虑因素和复杂变量的团队。上个月底，能源部下属爱达荷国家实验室的政府研究人员宣布，他们已经找到了一种在 短短10分钟内 安全可靠地将电动汽车充电至90%的方法。他们使用机器学习算法分析了20,000到30,000个不同类型锂离子电池的数据点，以找到最有效和最安全的充电方法。然后，他们通过在实际电池上测试新开发的充电协议来确认他们的结果。
虽然液体电解质是电池研究的一个前沿领域，但另一个前沿领域则是在探索 用固体来代替 液体的方法。
