AI发现固态电池中"类液体离子流"隐藏信号：或加速下一代电池研发

研究人员开发了一种机器学习管道，可以预测拉曼光谱并识别与晶体内部类液体离子运动相关的独特低频信号。这一发现或加速固态电池的研发进程。

旧金山消息——研究人员近日取得重要突破，开发了一种机器学习管道，可以预测拉曼光谱并识别与晶体内部类液体离子运动相关的独特低频信号。这一发现可能加速下一代固态电池的研发进程。

固态电池被广泛认为是更安全、能量密度更高的电池技术，有望替代传统的锂离子电池。然而，科学家们一直在努力理解离子在固态材料中快速移动的机制。

新开发的技术使用机器学习加速的工作流程，识别了一种独特的低频拉曼光谱特征，与晶体内部的类液体离子运动有关。当离子的快速移动暂时打破晶体的对称性时，就会出现这种信号。

这一发现的意义在于，科学家现在可以更快地筛选具有良好离子传导性的材料。研究人员表示，这种AI驱动的方法可以将材料发现的速度提高数倍。

全固态电池被视为电动汽车和储能领域的未来技术方向。与传统锂离子电池相比，固态电池具有更高的能量密度、更好的安全性和更长的使用寿命。然而，材料选择和制造工艺仍是主要挑战。

这项研究发表在《AI for Science》期刊上，展示了AI在材料科学领域的巨大潜力。分析师认为，随着AI技术的不断进步，电池研发周期可能大幅缩短，这对于应对气候变化和推动新能源发展具有重要意义。