这能在真正意义上办理现阶段固态电池面临的一些寻衅，在实现高能量密度和高安全性的锂金属固态电池的家当化上，这次制备的离子聚合物电解质具有主要的辅导意义。

图 | 汪莹（来源：汪莹）

同时，本次课题将机器学习中的监督学习和非监督学习加以结合，进一步验证了人工智能在材料领域的主要性，也打开了人工智能技能在不同方向的运用可能性。

日前，干系论文以《机器学习勾引下的锂金属电池离子聚合物电解质的创造》（Machine learning-guided discovery of ionic polymer electrolytes for lithium metal batteries）为题发在 Nature Communications 上[1]，李凯是第一作者，汪莹担当通讯作者。

图 | 干系论文（来源：Nature Communications）

这次研究的出发点用汪莹的话来说是“非常大略”。
即在选择离子液体的同时，如何兼具较高的离子电导率和较宽的电化学窗口。

完成文献检索之后，他们创造在这方面的研究受到实验数据匮乏的限定。
为此，他们通过市情上的网站得到了相对统一的丈量值，同时提高了离子液体的实用性。

再结合人工智能建模、量子打算以及图神经网络的方法，成功预测到浩瀚离子液体的分外性子。
并通过实验确认如下事实：即可以在电池体系中，得到能被有效利用的离子液体种类。

筛选得出离子液体之后，课题组再将其和带电的聚电解质材料进行结合，借此得到具有精良性子的聚合物固态电解质材料。

完成数据打算和干系实验之后，汪莹和团队又在人工智能监督学习和非监督学习的根本上进一步升华课题，进而得到普适性的结论，以便将其用于更广阔的电解质体系之中。

汪莹表示：“这是我第一次以独自通讯作者的身份揭橥论文。
加入复旦大学以前，我的所有论文都因此第一作者揭橥的。
第一次作为论文的通讯作者，我独自地设计思路、涉及实验方案，在感想熏染到压力的同时，也让自己有了满满的造诣感。
”此外，她也真正学会了如何辅导学生开展创新型研究。

（来源：Nature Communications）

另据悉，在加入学界之前，汪莹曾在业界事情过几年。
她表示：“这段经历让我在打算机、人工智能、模型建立、数据验证等方面积累了大量业界知识，在人际互换与管理上也得到了极大磨炼。
”

在本次论文里，大部分人工智能知识都来源于她在业界的积累。
“因此，我非常感谢自己当年从学界转向业界的决定，那段经历拓宽了自己的眼界，让我学会了通盘考虑问题，也让我能够带着有始有终的态度来关注科学问题。
有始，指的是研究的理论依据；有终，指的是项目的运用代价。
”汪莹说道。

其表示，如何在材料研发中有效利用人工智能可谓十分主要。
开拓新的人工智能方法固然很有必要。
但是对付科研职员来说，如何用年夜大好人工智能也是极为关键的。

“今年，GhatGPT 在文本、图像、语音等方面带来了主要影响。
那么，在我们的科学研究之中，天生式人工智能模型又具有若何的意义呢？这个问题非常值得思考。
”她说。

（来源：Nature Communications）

此外，“人工智能 + 材料”的方向具有非常广泛的运用处景，因此汪莹希望可以实现电池材料数据库的利用、以及材料的打算和筛选。
如能实现，将能补充学界在能源材料数据库方面的缺失落。

目前，该团队正在积极关注本次成果在软包电池、电芯以及动力电池中的大规模运用。
“相信在不久的未来，我们能够真正把这次研究中的材料体系运用到实际产品中。
”汪莹表示。

详细来说，在人工智能技能的帮助之下，她和团队正在搭建数据库和清洁能源材料的平台，希望可以凑集更多的材料、数据以及仿真结果。
“相信不久之后可以和读者分享更多信息。
”她说。

参考资料：

1.Li, K., Wang, J., Song, Y. et al. Machine learning-guided discovery of ionic polymer electrolytes for lithium metal batteries. Nat Commun 14, 2789 (2023). https://doi.org/10.1038/s41467-023-38493-7