电子产品对日常生活是必不可少的。如果没有手机和电脑，我们的生活会是什么样子?从玩具到洗衣机再到电动汽车，电子产品继续充斥着我们的日常生活。许多电子产品是由高能量密度的锂离子电池提供动力的。但是这些电池中的两个因素会导致危险的后果。
首先，电池电解质，在阴极和阳极之间传导离子的材料通常是易燃的液体。其次，随着电池被充电和排出时间，阳极的不均匀锂沉积可以导致可以连接阴极和阳极的树枝状晶体的生长。由于电解质的易燃性，这可能导致火灾和爆炸。Tesla汽车和波音飞机都遭受了枝晶电池问题，突然的手机爆炸也可以归因于树突。
这是Zeeshan Ahmad和Tian谢试图解决的问题。艾哈迈德，博士。Carnegie Mellon大学机械工程中的候选人，谢，博士。Massachusetts理工学院材料科学与工程的候选人最近发表了一篇关于他们的研究的论文，以找到这个树突问题的可能解决方案。它们转向机器学习，生成和分析大量数据以找到这些解决方案。
为了抑制树突的生长，艾哈迈德和他的同事们研究了潜在的固体电解质，与液体电解质不同，固体电解质不易燃。他们不仅破译了固体电解质需要的特性，还需要分析数千种可能的固体材料，如果使用传统的实验方法，这将需要数年时间。
“我们有13,000种无机晶体材料来筛分固体电解质，”Ahmad说。“很难分别计算每个固体电解质的性质，因为它非常昂贵。我们使用机器学习，因为它可以在大型数据尺度上工作，找出固体电解质的属性。“
由于数据可用性，Ahmad和Xie使用了各种机器学习模型。对于具有足够现有数据的情况可用于培训模型，它们使用了图形卷积神经网络模型来预测无机结晶固体电解质的性质。在没有足够的训练数据的情况下，它们使用正则化的线性回归，更适合低数据问题。
“我们测试了所有这些材料进行设计标准或固体电解质，”Ahmad说。“我们的固体电解质应在锂金属阳极处抑制树突生长并以电子绝缘。它们应该是稳定的 - 它们不应该在室温下自发分解。它们应该非常快速地进行离子，以实现快速充电所需的电池的高功率密度。“
在对固体进行分析后，他们发现了六种可能用作固体电解质的材料，它们属于硫化物、碘化物和硼氢化物类。
“我们很高兴能将我们的机器学习框架应用到重要的材料问题上，这就是为什么与CMU团队的合作如此有回报，”谢说。“在如此短的时间内发现六种潜在的固体电解质，表明机器学习工具有可能大幅加速材料发现。”
现在，艾哈迈德正在努力避免固体和液体之间的基本平衡:液体通常具有高的离子电导率，而很少有具有类似电导率水平的固体也足够稳定，可以用作电解质。艾哈迈德正在研究复合电解质的潜力，结合多种具有不同期望性能的固体。
艾哈迈德说:“我们正在研究复合电解质，但问题是，一般来说，我们没有足够的数据来使用机器学习。”“所以我们试图通过第一原理方法来解决这个问题——我们使用密度泛函理论和分子动力学来预测性质。一旦我们用了五种材料，我们就可以找到特定的设计原则，然后我们可以尝试用这些设计原则来帮助我们筛选其他复合材料。”
了下:快速原型
