研究人员使用人工智能同时优化多种液流电池特性

科学家们正在寻找专为电网设计的稳定的高能​​电池。

将风能和太阳能等新的可再生能源并入电网需要专门设计的大型电池，这些电池可以在阳光明媚时充电并在夜间提供能量。一种类型的电池特别有希望用于此目的：液流电池。液流电池包含两个电活性化学物质罐，它们可以交换电荷并且可以容纳大量能量。

对于研究液流电池的研究人员来说，他们主要关心的是找到既能储存大量能量又能长时间保持稳定的目标分子。

为了找到合适的液流电池分子，能源部 (DOE) 阿贡国家实验室的研究人员已求助于人工智能 (AI) 的力量，在超过一百万个分子的广阔化学空间中进行搜索。发现正确的分子需要在几个不同的特征之间进行优化。“在这些电池中，我们知道我们需要的大多数分子必须满足多种特性，”阿贡化学家 Rajeev Assary 说。“通过同时优化多个特性，我们可以更好地为我们的电池找到最佳的化学成分。”

“大自然从来都不是完美的;没有任何一个分子在各个方面都是理想的。我们的模型使我们能够处理不同的参数以找到最佳拟合，”—阿贡化学家 Rajeev Assary

在继去年完成的工作之后的一项新研究中，阿贡能源储存研究联合中心的 Assary 和他的同事模拟了阳极电解液氧化还原聚合物，或液流电池中的电活性分子。对于每个氧化还原聚体，研究人员确定了他们想要优化的三个特性。前两个，还原电位和溶剂化自由能，与分子可以储存多少能量有关。第三个是荧光，作为一种自我报告标记，指示电池的整体健康状况。

由于计算所有潜在候选人感兴趣的属性非常耗时，因此研究人员转向了一种称为主动学习的机器学习和人工智能技术，其中模型实际上可以训练自己识别越来越合理的目标。“我们基本上是大海捞针，”阿贡博士后研究员 Hieu Doan 说。“当我们的模型找到看起来像针的东西时，它会自学如何找到更多东西。”

为了最有效地利用主动学习，研究人员从一个相当小的“大海捞针”开始——一个由 1400 个候选氧化还原分子组成的数据集，他们已经从量子力学模拟中知道了这些候选分子的特性。通过使用该数据集作为实践，他们能够看到该算法正确识别了具有最佳特性的分子。