锂电池时代何时终结？科学家正利用GenAI发现下一代电池材料

健康生活 2025年09月07日 11:57 1 admin

随着电动汽车充斥全球市场，可再生能源存储需求飙升，研究人员正面临着一个严峻的现实：世界存储电池供应链依赖于锂，锂是一种稀有金属，需要近千万升的水来提取，并且仅由少数几个国家提供。

现在，科学家们正转向世界上一些最强大的超级计算机来设计解决方案。通过在圣地亚哥超级计算机中心（SDSC）的Expanse系统上进行高级模拟，研究人员正在开发下一代电池，这些电池可以在镁、锌和铝等丰富的金属上运行——这些材料非常常见，可能会彻底改变我们为从智能手机到整个电网的一切供电的方式。

这些得益于美国国家科学基金会（NSF）在SDSC对Expanse系统的拨款，SDSC是加州大学圣地亚哥分校计算、信息和数据科学学院的一部分，数字模拟帮助研究人员确定并更好地了解多价离子电池的最佳电极材料：过渡金属氧化物（TMO）。

新泽西理工学院（NJIT）机械工程副教授Dibakar Datta表示：“TMO作为多价离子电池的主体材料具有巨大的潜力。”“它们具有结构多功能性、高离子电导率和容纳多个电荷载流子的能力。然而，它们巨大的成分和结构多样性使传统的探索效率低下——这是一个典型的‘大海捞针’问题。值得庆幸的是，由SDSC的Expanse支持的生成式人工智能（GenAI）有能力帮助我们在大海中捞取。”

NJIT团队与伦斯勒理工学院（RPI）机械、航空航天和核工程系的同事密切合作，利用GenAI为下一代电池发现最佳TMO。使用SDSC的Expanse系统，该团队能够识别出40多种符合相关基准的独特结构，用作宿主材料。

为了实现这一壮举，研究人员使用了多种人工智能模型，包括晶体扩散变分自动编码器（CDVAE）、大型语言模型（LLM）和原子图神经网络（ALIGNN）。

RPI Clark&Crossan主席、工程学教授Nikhil Koratkar表示：“得益于NSF的拨款，我们能够在SDSC的Expance上利用CDVAE和LLM，有效地应对发现新型TMO晶体结构的挑战。通过结合CDVAEs和LLM的优势，我们确保了对潜在TMO材料的全面探索。”

Koratkar解释说，CDVAE产生了广泛的合理晶体结构，而LLM通过添加特定的、理想的特性来细化这些结构。在生成这些结构后，使用一种名为原子图神经网络（ALIGNN）的正向机器学习（ML）模型来预测对评估所生成材料的热力学和电子稳定性至关重要的材料特性，有助于将选择范围缩小到最有前景的多价离子电池应用候选者。