研究人员利用机器学习和人工智能 大大加快电池研发过程

  • 时间:
  • 浏览:3
  • 来源:彩神app下载网址-彩神8app下载官方

(图源:阿贡官网)

盖世汽车讯 为电池组件设计最佳分子构成,是一项复杂性的工作。就像以数十亿种潜在配料为基础,创造新的蛋糕配方。设计人员需要面临诸多挑战,比如选用将那此成分搭配在一起最最少。而且,即使拥有最先进的超级计算机,科学家们也无法精确地模拟每并不是 分子的化学特征,以证明其能成为下一代电池材料的基础。

据外媒报道,美国能源部阿贡国家实验室的研究人员,借助机器学习和人工智能的力量,大大加快电池研发过程。首先,研究人员通过G4MP2计算密集型模型,建立深层精确的数据库,其中中含最少13.3万个小有机分子,因为构成电池基本电解质。然而,那此本来科学家们让你研究的16500亿个大分子中的一小主次。为了节省计算时间和力量,研究小组使用机器学习算法,将小数据组中的精确已知特征,与大数据组中较粗的建模特征联系起来。阿贡数据科学与学习部门负责人Ian Foster表示:“亲戚亲戚亲戚当我们相信,机器学习代表了并不是 妙招 。只需花费一小主次计算成本,就可获得接近精确的分子图像。”

为了给机器学习模型打下基础,Foster和同事在密度泛函理论基础上,采用计算量较小的建模框架,通过该量子力学建模框架,计算大系统中的电子特征。密度泛函理论可能够够较好地诠释分子性质,但不如G4MP2准确。

为了更好、更广泛地了解有机分子信息,需要使用高精度G4MP2计算分子中原子的位置,并将其与仅用密度泛函理论分析的分子进行比较,以改进算法。研究人员以G4MP2为标准,训练密度泛函理论模型,在其中加入修正因子,以降低计算成本,并提高精确度。

阿贡计算科学家Logan Ward表示:“机器学习算法为亲戚亲戚亲戚当我们提供并不是 妙招 ,研究大分子中原子和它们的邻居之间的关系,了解它们怎么结合并相互作用,寻找那此分子和亲戚亲戚亲戚当我们所熟知的一点分子之间的累似 之处。亲戚亲戚亲戚当我们可能够够在此基础上,预测大分子的能量,或高低精确度计算之间的差异。”

阿贡化学家Rajeev Assary表示:“亲戚亲戚亲戚当我们推出一点项目,希望尽因为得到电池电解质候选组分的最大图像。要将并不是 分子用于能量存储应用,亲戚亲戚亲戚当我们需要了解其性质,比如稳定性。通过机器学习,亲戚亲戚亲戚当我们可能够够更加准确地预测大分子的性质。”