史丹佛大学应用物理学博士候选人Austin Sendek说：“电解质在电池的正极和负极之间来回传输锂离子。液体电解质的价格便宜，离子的传导效果也非常好，但如果发生电池过热或因穿刺而短路时，可能导致起火。而固体电解质的主要优点就是稳定，固体比有机溶剂更不容易发生炸裂或蒸发，而且也更坚硬，能够让电池结构更坚固。”
尽管经过多年的实验室试验和错误，研究人员至今尚未找到一种在室温下的表现像液体电解质一样的廉价固体材料。因此，研究团队利用AI技术和机器学习的方法，从实验数据中建构可预测模型。他们训练计算机算法来学习如何根据现有数据辨识好的和坏的化合物，就像脸部辨识算法学习在看到几个例子之后就能辨识人脸一样。ehAesmc
“目前约有成千上万的已知含锂化合物，其中绝大多数都未经测试。”Sendek指出，“然而，其中有些可能是绝佳的导体。因此，我们开发了一个运算模型，能够从我们现有的有限数据中进行学习，然后再让我们从大量的材料资库中筛选潜在的候选方案——这种方式比目前的筛选方法更快一百万倍。”ehAesmc
为了建立模型，Sendek花了两年多的时间收集所有关于含锂固体化合物的科学资料。ehAesmc
史丹佛大学材料科学与工程助理教授Evan Reed说：“Austin收集了所有有关这些材料的人类知识，以及许多测量和实验数据，这些数据甚至可追溯到从几十年前开始。他利用这些知识创造了一个模型，可以预测材料是否是一种良好的电解质。这种方法能够筛选出全部的备选材料，以确定最有发展前景的材料，以供后续的研究。”ehAesmc
该模型使用几项标准来筛选有发展潜力的材料，包括稳定性、成本、充裕度，以及其导电锂离子和重新路由电子通过电池电路的能力。这些备选材料是在材料在线数据库‘Materials Project’上进行选择；‘Materials Project’是一个能让科学家探索数千种材料的物理和化学特性的在线数据库。ehAesmc
Sendek说：“我们筛选了超过12,000种含锂化合物，最终得到了21种有发展潜力的固体电解质。结果只需要花费几分钟的时间进行筛选，而绝大部份的时间基本上都花在收集和策划所有的数据，以及开发可定义模型预测可信度的指标。”ehAesmc
研究人员最终计划在实验室中测试21种材料，以确定哪些材料最适合现实世界的条件。ehAesmc
“我们所采取的途径有潜力解决许多种材料的问题，并提高在这些领域进行研究投资的效果，”Reed并强调，“随着全世界的数据量增加以及计算机持续进展，我们的创新能力将不断呈指数级成长。因此，无论是电池、燃料电池或其他任何东西，目前在这一领域正是一个真正令人兴奋的时刻。”ehAesmc
ehAesmc
