斯坦福大學(xué)的研究人員利用人工智能分析原子級(jí)圖像中的大量數(shù)據(jù)，回答了一個(gè)懸而未決的問題：傳統(tǒng)鋰離子電池會(huì)受到一種新興的可充電電池的沖擊。 如今的可充電電池是一大奇跡，但遠(yuǎn)非完美。因?yàn)樗鼈冏罱K都會(huì)磨損，更換和回收會(huì)帶來高昂的成本?！暗绻姵貓?jiān)不可摧呢？”斯坦福大學(xué)（Stanford University）材料科學(xué)與工程副教授 William Chueh 發(fā)出了這樣的疑問。他首創(chuàng)了一種制造環(huán)保電池的分析方法，電池的永久循環(huán)利用將不再是遙不可及，該項(xiàng)研究發(fā)表在《自然材料》期刊。 Chueh 教授、21級(jí)一作博士生 Haitao D. Deng 與勞倫斯伯克利國家實(shí)驗(yàn)室（Lawrence Berkeley National Laboratory）、麻省理工學(xué)院（MIT）以及其他研究機(jī)構(gòu)的合作者們，利用人工智能分析了新型原子級(jí)顯微圖像，以準(zhǔn)確了解電池磨損的原因。 他們說，最終這些發(fā)現(xiàn)可能會(huì)幫助延長如今電池的使用壽命。具體來講，他們研究了一種基于 LFP 材料的特定類型的鋰離子電池，這可能會(huì)導(dǎo)致電動(dòng)汽車進(jìn)入大眾市場，因?yàn)樗皇褂霉?yīng)鏈?zhǔn)芟薜幕瘜W(xué)品。“把電池想象成一個(gè)陶瓷咖啡杯，在加熱和冷卻時(shí)會(huì)膨脹和收縮。這些變化最終會(huì)導(dǎo)致陶瓷出現(xiàn)裂痕，”Chueh 教授解釋道?！懊看纬潆姇r(shí)，充電電池中的材料都會(huì)產(chǎn)生相同的作用，然后耗盡電量，導(dǎo)致故障?！盋hueh 教授指出，在電池中，導(dǎo)致裂縫的不是溫度，而是材料在每次充電循環(huán)中相互產(chǎn)生的機(jī)械變形。然而我們對(duì)原子結(jié)合的納米尺度上發(fā)生的事情知之甚少，這些新型高分辨率顯微鏡技術(shù)使我們能夠看到它，人工智能可以幫助我們了解正在發(fā)生的事情。我們首次在單納米尺度上可視化和測量這些力。任何給定材料的性能都是其化學(xué)和原子尺度材料中物理相互作用的函數(shù)，Chueh 教授稱之為“化學(xué)動(dòng)力學(xué)”。而且，物體越小，組成材料的原子越多樣，就越難預(yù)測材料的行為。
圖注：藝術(shù)家結(jié)合機(jī)器學(xué)習(xí)、X射線和電子顯微鏡對(duì)粒子間的相互作用進(jìn)行了分析（圖像來源：Ella Maru Studio）。
使用 AI 進(jìn)行圖像分析并不新鮮，但使用它來研究最小尺度的原子間的相互作用卻是新鮮事。在醫(yī)學(xué)領(lǐng)域，人工智能已經(jīng)成為一種革命性工具，可以分析從膝蓋缺陷到致命癌癥等各種疾病的圖像。與此同時(shí)，在材料科學(xué)領(lǐng)域，高分辨率 X 射線、電子和中子顯微鏡的新方法允許在納米尺度上直接可視化。研究團(tuán)隊(duì)選擇了磷酸鐵鋰（LFP），這是一種用于正極的知名材料，在電動(dòng)汽車制造商和其他電池密集型企業(yè)中越來越受歡迎。這種電極不含許多商用電池都使用的鈷和鎳。盡管電價(jià)更高，LFP電池也更安全。盡管 LFP 已經(jīng)被研究了 20 年，但面臨兩個(gè)關(guān)鍵的突出技術(shù)問題，迄今為止人們還只能靠猜測。第一個(gè)涉及了解材料在充電和放電時(shí)的彈性和變形。第二個(gè)涉及它在 LFP 部分穩(wěn)定或“亞穩(wěn)定”的特定機(jī)制中如何擴(kuò)展和收縮。Deng 首次使用他的圖像學(xué)習(xí)技術(shù)幫助解釋了這兩個(gè)問題，他將其應(yīng)用于由掃描透射電子顯微鏡產(chǎn)生的一系列二維圖像，以及利用光譜儀-層疊衍射成像技術(shù)獲得的高級(jí) X 射線圖像。他說，這些發(fā)現(xiàn)對(duì)電池的容量、能量保持率和速率都很重要。更妙的是，他認(rèn)為可以推廣到大多數(shù)也可以制造良好電極的晶體材料。他說：“人工智能可以幫助我們了解這些物理關(guān)系，這些關(guān)系對(duì)于預(yù)測新電池的性能、在實(shí)際使用中的可靠性以及材料如何隨著時(shí)間的推移而退化至關(guān)重要。”Chueh 教授稱呼 Deng 為“學(xué)術(shù)企業(yè)家”。他有化學(xué)家的背景，但他同時(shí)自學(xué)了些人工智能理論，以應(yīng)對(duì)材料領(lǐng)域的這一挑戰(zhàn)。Deng 說，這種方法采取一種“逆向?qū)W習(xí)”形式，其中的結(jié)果是已知的，即退化 LFP 的高分辨率靜止圖像，而人工智能有助于重建物理學(xué)來解釋它是如何實(shí)現(xiàn)的。反過來，這些新知識(shí)會(huì)成為改進(jìn)材料的基礎(chǔ)。Deng 指出，以前的非人工智能研究已經(jīng)闡明了機(jī)械應(yīng)力如何影響電極耐久性的相關(guān)性，但目前利用新方法獲得的發(fā)現(xiàn)不僅令人振奮，也為基本理解其中發(fā)揮作用的力學(xué)原理提供了動(dòng)力。研究人員表示，接下來他們將致力于利用他們的技術(shù)在原子水平上闡明有前景的新電池設(shè)計(jì)思路。其中一個(gè)結(jié)果可能是制造新型電池控制軟件，它可以通過提高電池壽命的方式管理充電和放電。另一個(gè)令人興奮的途徑是開發(fā)更精確的計(jì)算模型，使電池工程師能夠在計(jì)算機(jī)上而不是在實(shí)驗(yàn)室中探索電極材料替代品。“這項(xiàng)工作已經(jīng)在進(jìn)行中，”Chueh 教授說?！叭斯ぶ悄芸梢詭椭覀円孕碌姆绞娇创f材料，或許可以從一些尚未可知的材料中找出一些有前途的替代品?！?/span>雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))
雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
