当前位置:

首页 > 业界资讯 > 比手动快13倍多,「机器人+AI」发现电池最佳电解质,加速材料研究

比手动快13倍多,「机器人+AI」发现电池最佳电解质,加速材料研究

编辑|紫罗传统的材料研发模式主要依赖「试错」的实验方法或偶然性的发现,其研发过程一般长达10-20年。基于机器学习(ML)的数据驱动方法可以加速清洁能源技术新材料的设计。然而,由于缺乏大型高保真实验数据库,其在材料研究中的实际应用仍然受到限制。近日,美国西北太平洋国家实验室和阿贡国家实验室的研究团队,设计了一个高度自动化的工作流程,将高通量实验平台与最先进的主动学习算法相结合,可以有效筛选对阳极电解质具有最佳溶解度的二元有机溶剂。这一研究的目标是提高能源存储系统的性能和稳定性,从而推动可再生能源的广泛应用

本文目录

    比手动快13倍多,「机器人+AI」发现电池最佳电解质,加速材料研究编辑 | 紫罗

    传统的材料研发模式主要依赖「试错」的实验方法或偶然性的发现,其研发过程一般长达 10-20 年。

    基于机器学习(ML)的数据驱动方法可以加速清洁能源技术新材料的设计。然而,由于缺乏大型高保真实验数据库,其在材料研究中的实际应用仍然受到限制。

    近日,美国西北太平洋国家实验室和阿贡国家实验室的研究团队,设计了一个高度自动化的工作流程,将高通量实验平台与最先进的主动学习算法相结合,可以有效筛选对阳极电解质具有最佳溶解度的二元有机溶剂。 这一研究的目标是提高能源存储系统的性能和稳定性,从而推动可再生能源的广泛应用。传统上,涉及到阳极电解质的研究通常需要大量的试错实验,耗时费力。而使用这一自动化工作流程,研究人员可以更快速地筛选出合适的二元

    除了设计用于开发高性能氧化还原液流电池的高效工作流程之外,该机器学习引导的高通量机器人平台为加速发现功能材料提供了一种强大而通用的方法。

    审稿人点评道:“该研究表明,AI引导的机器人平台可以有效地寻找能源应用中溶剂电解质的非直观组合。这项工作对电池界具有重要意义。”

    该研究以《An integrated high-throughput robotic platform and active learning approach for accelerated discovery of optimal electrolyte formulations》为题,于 2024 年 3 月 29 日发布在《Nature Communications》上。

    比手动快13倍多,「机器人+AI」发现电池最佳电解质,加速材料研究

    论文链接:https://www.nature.com/articles/s41467-024-47070-5

    为了确保开发清洁能源技术应用和实现电力深度脱碳至关重要,因此设计工具的目标功能特性的材料对于开发清洁能源技术应用和实现电力深度脱碳至关重要。传统的试错方法成本高昂且耗时,因此设计工具的本质高昂且可节省时间。

    氧化还原活性分子的溶解度是决定氧化还原液流电池(RFB)能量密度的重要因素。然而,电解质材料发现的受到实验溶解度数据集缺乏的限制,而这些数据集对于利用数据驱动的方法至关重要。

    尽管如此,由于缺乏有机溶剂系统的标准化和与应用相关的实验溶解度数据,为非水性 RFB (NRFB) 开发高度可溶的氧化还原活性有机分子(ROM)仍是一项艰巨的任务。

    通过利用自动化高通量实验(HTE)平台,可以提高「过量溶质」溶解度测量方法的可靠性和效率,并构建 NRFB 的溶解度数据库。然而,即使利用 HTE 系统,潜在溶剂混合物的多样性也使得筛选过程更加耗时且昂贵。

    主动学习(AL),特别是贝叶斯优化(BO),已被证明是加速寻找储能应用所需电解质的可靠方法。因此,由 BO 指导的闭环实验工作流程可用于最大限度地减少 HTE 执行。

    ML 引导的高通量实验机器人平台

    在此,研究人员使用 2,1,3-苯并噻二唑(2,1,3-benzothiadiazole,BTZ),一种高性能阳极电解质,具有高度的离域电荷密度和良好的化学稳定性,作为模型 ROM。重点是研究其在各种有机溶剂中的溶解度,展示机器学习引导的高通量实验(HTE)机器人平台在加速 NRFB 电解质发现方面的潜力。

    比手动快13倍多,「机器人+AI」发现电池最佳电解质,加速材料研究

    图示:基于机器学习(ML)引导的高通量实验平台的闭环电解质筛选过程示意图。(来源:论文)

    具体来说,研究人员设计了一个闭环溶剂筛选工作流程,由两个连接的模块组成,即 HTE 和 BO。HTE 模块通过高通量机器人平台进行样品制备和溶解度测量。BO 组件由替代模型和采集函数组成,两者共同充当预言机,进行溶解度预测并建议新的评估溶剂。

    工作流程如下图所示,具体步骤:

    • 首先,通过 HTE 平台准备 ROM 的饱和溶液和分析样本。接下来,获取这些样品的核磁共振 (NMR) 光谱,并利用光谱数据计算 ROM 的溶解度。
    • 然后,该数据集用于训练替代模型,作为 BO 过程的一部分,该模型用于预测搜索空间内未经测试的样本的溶解度。
    • 随后,在 BO 框架内应用采集函数来指导新样品的选择,根据预测溶解度值和相关不确定性(即适应度得分)的平衡指导评估,从而简化潜在溶剂的发现和分析。

    比手动处理样品快 13 倍以上

    自动化平台可以在最少的人工干预下制备溶质过量的饱和溶液和定量核磁共振 (qNMR) 样品。

    通过自动化 HTE 工作流程,完成 42 个样品的溶解度测量的总实验时间约为 27 小时(~39 分钟/样本,运行更多样本时每个样本的时间更短)。这比使用「过量溶质」方法手动处理样品快 13 倍以上(每个样品大约需要 525 分钟)。

    除了 HTE 系统提供的速度提高外,研究还非常重视控制实验条件,例如温度(20℃)和稳定时间(8小时),以确保准确测量 BTZ 在各种有机溶剂中的溶解度。

    比手动快13倍多,「机器人+AI」发现电池最佳电解质,加速材料研究

    图示:自动化高通量实验 (HTE) 平台概述。(来源:论文)

    根据文献综述和对溶剂特性的考虑,研究人员列出了 22 种 BTZ 潜在候选溶剂。然后,通过将这 22 种单一溶剂成对组合,进一步列举了另外 2079 种二元溶剂,每种溶剂具有 9 种不同的体积分数。

    表:22 种候选有机溶剂列表及其理化性质。(来源:论文)

    比手动快13倍多,「机器人+AI」发现电池最佳电解质,加速材料研究

    该平台从包含 2000 多种潜在溶剂的综合库中识别出多种溶剂,其原型氧化还原活性分子 2,1,3-苯并噻二唑的溶解度阈值超过 6.20 M。值得注意的是,综合策略需要对不到 10% 的候选药物进行溶解度评估,这凸显了新方法的效率。

    比手动快13倍多,「机器人+AI」发现电池最佳电解质,加速材料研究

    图示:通过贝叶斯优化 (BO) 识别所需电解质。(来源:论文)

    研究结果还表明,二元溶剂混合物,特别是那些掺入 1,4-二恶烷( 1,4-dioxane)的溶剂混合物,有助于提高  BTZ 的溶解度。

    总之,研究展示了用于电解质筛选的 ML 引导的 HTE 平台,其中 ML 预测和自动化实验协同工作,可有效筛选对 BTZ 具有最佳溶解度的二元有机溶剂。

    该研究不仅有助于连接数据科学和传统实验科学领域,而且还为未来开发专用于电池电解液筛选的自主平台奠定了基础。

    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    业界资讯 理论
    相关文章 更多
    OPPO 即将行业首发 5.5G 技术 理论可实现 10 倍连接速率提升
    OPPO 即将行业首发 5.5G 技术 理论可实现 10 倍连接速率提升

    3月28日,OPPOFind系列产品负责人周意保在微博发文,表示OPPO已经进入了5.5G时代。OPPOFindX7系列周意保在微博上传了一张截图,图中的手机锁屏界面右上方状态栏信号一栏显示为5GA,也就是人们更加熟悉的5.5G。此外,周意保也发文称:"和大家一起进入5.5G新移动网络时代!"宣布了5.5G新移动网络时代的到来。OPPOFind系列产品负责人周意保微博有博主表示,OPPOFindX7系列即将行业首发支持5G-A(5.5G),OTA固件已经准备好了。5G-A理论上可以实现10倍提升的连接速率

    涵盖文本、定位和分割任务,智源、港中文联合提出首个多功能3D医学多模态大模型
    涵盖文本、定位和分割任务,智源、港中文联合提出首个多功能3D医学多模态大模型

    作者|香港中文大学白帆编辑|ScienceAI近日,香港中文大学和智源联合提出的M3D系列工作,包括M3D-Data,M3D-LaMed和M3D-Bench,从数据集、模型和测评全方面推动3D医学图像分析的发展。(1)M3D-Data是目前最大的3D医学图像数据集,包括M3D-Cap(120K3D图文对),M3D-VQA(510K问答对),M3D-Seg(150K3DMask),M3D-RefSeg(3K推理分割)共四个子数据集。(2)M3D-LaMed是目前最多功能的3D医学多模态大模型,能够解决文本(

    自动识别最佳分子,降低合成成本,MIT开发分子设计决策算法框架
    自动识别最佳分子,降低合成成本,MIT开发分子设计决策算法框架

    编辑|紫罗AI在简化药物发现方面的应用正在爆炸式增长。从数十亿种候选分子中筛选出可能具有开发新药所需特性的分子。需要考虑的变量太多了,从材料价格到出错的风险,即使科学家使用AI,权衡合成最佳候选分子的成本也不是一件容易的事。在此,MIT研究人员开发了一个定量决策算法框架SPARROW,来自动识别最佳分子候选物,从而最大限度地降低合成成本,同时最大限度地提高候选物具有所需特性的可能性。该算法还确定了合成这些分子所需的材料和实验步骤。SPARROW考虑了一次合成一批分子的成本,因为多个候选分子通常可以从一些相

    Llama分子嵌入优于GPT,LLM能理解分子吗?这一局Meta赢了OpenAI
    Llama分子嵌入优于GPT,LLM能理解分子吗?这一局Meta赢了OpenAI

    编辑|萝卜皮OpenAI的GPT和MetaAI的Llama等大型语言模型(LLM)因其在化学信息学领域的潜力而日益受到认可,特别是在理解简化分子输入行输入系统(SMILES)方面。这些LLM还能够将SMILES字符串解码为矢量表示。加拿大温莎大学(UniversityofWindsor)的研究人员比较了GPT和Llama与SMILES上的预训练模型在下游任务中嵌入SMILES字符串的性能,重点关注两个关键应用:分子特性预测和药物-药物相互作用预测。该研究以「Canlargelanguagemodelsun

    大脑如何处理语言?普林斯顿团队对Transformer模型进行分析
    大脑如何处理语言?普林斯顿团队对Transformer模型进行分析

    编辑|萝卜皮在处理语言时,大脑会部署专门的计算来从复杂的语言结构中构建含义。基于Transformer架构的人工神经网络是自然语言处理的重要工具。普林斯顿大学的研究人员探讨了Transformer模型和人类大脑在语言处理中的功能特殊化问题。Transformer通过结构化电路计算整合单词间的上下文信息。不过,当前的研究主要集中于这些电路生成的内部表征(「嵌入」)。研究人员直接分析电路计算:他们将这些计算解构为功能专门的「transformations」,将跨词语的上下文信息整合在一起。利用参与者聆听自然故

    AI 可能是我们未能与外星文明取得联系的「大过滤器」
    AI 可能是我们未能与外星文明取得联系的「大过滤器」

    编辑|X人工智能(AI)在过去几年中以惊人的速度发展。一些科学家现在着眼于超级人工智能(ArtificialSuperintelligence,ASI)的发展,这是一种不仅超越人类智能,而且不受人类学习速度限制的AI。超级人工智能的发展可能会带来巨大的影响和挑战。一方面,它可能为我们带来前所未有的技术进步和创新,解决各种复杂的问题。另一方面,由于其超越人类智慧的能力,我们也需要谨慎对待和管理它的发展,以避免可能的风险和危害。因此但如果这个里程碑不仅仅是一项了不起的成就呢?如果它也代表了所有文明发展的一个巨

    高效且准确,郑州大学团队开发新AI工具识别药物-靶标相互作用
    高效且准确,郑州大学团队开发新AI工具识别药物-靶标相互作用

    编辑|枯叶蝶准确识别药物-靶标相互作用(DTI)是药物发现和药物重新定位过程中的关键步骤之一。目前,许多基于计算的模型已被提出,用于预测DTI,并取得了一些显著的进步。然而,这些方法很少关注如何以适当的方式融合与药物和靶标相关的多视角相似性网络。此外,如何充分结合已知的相互作用关系来准确表示药物和靶标尚未得到很好的研究。因此,提高DTI预测模型的准确性仍然是必要的。在最新的研究中,郑州大学、电子科技大学团队提出了一种新方法MIDTI。该方法采用多视图相似性网络融合策略和深度交互式注意机制来预测药物-靶标相

    清华AIR等提出ESM-AA,首个从氨基酸到原子尺度的蛋白质语言模型
    清华AIR等提出ESM-AA,首个从氨基酸到原子尺度的蛋白质语言模型

    来自清华大学AIR、北京大学、南京大学的研究团队提出了ESM-AA模型。该模型在蛋白质语言建模领域取得了重要进展,提供了一套整合多尺度信息的统一建模方案。它是首个能同时处理氨基酸信息和原子信息的蛋白质预训练语言模型。模型的出色性能展示了多尺度统一建模在克服现有局限和解锁新能力方面的巨大潜力。作为基座模型,ESM-AA获得了多位学者的关注与广泛讨论(截图见下方),被认为有潜力基于ESM-AA开发出可与AlphaFold3、RoseTTAFoldAll-Atom相竞争的模型,为研究不同生物结构间的相互作用开辟

    取代昂贵量子方法,南科大AI方法实现蛋白质-药物系统多尺度量子「精炼」
    取代昂贵量子方法,南科大AI方法实现蛋白质-药物系统多尺度量子「精炼」

    编辑|萝卜皮生物大分子结构对于药物开发和生物催化至关重要。量子力学(QM)方法进行晶体细化,在提高结构质量至纠正生物大分子的结构方面显露出前景。量子细化(Quantumrefinement,QR)方法采用可靠的量子力学(QM)方法进行晶体精化,以显示出前景。然而,巨大的计算成本和复杂的量子力学/分子力学(QM/MM)设置限制了QR的应用。在南方科技大学的研究团队将稳健的机器学习势(MachineLearningPotentials,MLP)融入多尺度ONIOM(QM:MM)方案中,来描述核心部分(例如药物

    Bengio等人新作:注意力可被视为RNN,新模型媲美Transformer,但超级省内存
    Bengio等人新作:注意力可被视为RNN,新模型媲美Transformer,但超级省内存

    序列建模的进展具有极大的影响力,因为它们在广泛的应用中发挥着重要作用,包括强化学习(例如,机器人和自动驾驶)、时间序列分类(例如,金融欺诈检测和医学诊断)等。在过去的几年里,Transformer的出现标志着序列建模中的一个重大突破,这主要得益于Transformer提供了一种能够利用GPU并行处理的高性能架构。然而,Transformer在推理时计算开销很大,主要在于内存和计算需求呈二次扩展,从而限制了其在低资源环境中的应用(例如,移动和嵌入式设备)。尽管可以采用KV缓存等技术提高推理效率,但Trans

    查看更多
    精品专题 更多
    装机必备
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows
    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程
    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版
    macOS

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版
    Windows

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。