这是在与文卡特·维斯瓦纳坦（Venkat Viswanathan）谈论电动航空业的潜力时提出的。
考虑到空中翱翔对电池的巨大需求，这是一个令人愉快的前景，也是一个巨大的寻衅。
本日的电池根本无法在空中坚持太久。

在我们的谈论中，维斯瓦纳坦表示，他之以是认为电动航空业充满希望，一个主要缘故原由是他看到了人工智能加速电池研究的潜力。
事实上，他在 2020 年联合创立了一家名为 Aionics 的初创公司，旨在将人工智能引入电池开拓领域。

在 ClimateTech 的舞台上，维斯瓦纳坦宣告了一项新的研究互助伙伴关系，他表示这将使人工智能成为开拓未来电动汽车电池的关键力量。
这笔交易的双方是 Aionics 和德国电池制造商 Cellforce，Cellforce 是保时捷的子公司。
Aionics 将帮助 Cellforce 设计新的电解质材料，以期制造出更好的电池。

这场谈论和 ClimateTech 的所有其他活动仍让我感到愉快，以是现在，我想带你进一步理解人工智能如何帮助推动电池技能的发展。

加速

我们须要更好的电池。
充电速率更快、容量更大的电动汽车可以取代更多的传统内燃机汽车。
对付航空等一些行业来说，电池化学的重大技能进步将是必要的，以使更新、更清洁的技能落地。

但是，在实验室里构想出的新电池，间隔大规模生产还有很长的路要走。
这条路可能须要十多年才能走完。

（来源：STEPHANIE ARNETT/MITTR）

在 ClimateTech 的会议上，维斯瓦纳坦概述了这个问题，同时指着他手腕上的健身追踪器，里面有一块 Sila 制造的电池。
它的新型阳极是用硅制成的，这有助于把更多的能量放入设备中。
据该公司称，这款眇小产品的电池化学身分经由了 55000 多次迭代。

Aionics 的另一位联合创始人阿斯汀·森德克（Austin Sendek）在活动前的一次电话会议上表示，这对电池开拓商来说是一种非常范例的情形，也是新技能的一大瓶颈。
森德克说：“电池和气候技能的紧迫性太大了……过去几年的这种试错方法根本不起浸染。
”

问题是，可以在电池中利用的潜在材料和材料组合，其数量险些是无法统计的。
森德克估计，可供商业利用的化学品数量高达数十亿种。
他说：“数量太多了，我们根本不知道该怎么办。
”

Aionics 正致力于利用人工智能工具帮助研究职员更快地找到更好的电池化学物质。
该公司紧张专注于电解质，这种材料卖力在电池中运输电荷。
森德克说：“这对我们来说是一个巨大的机会，可以加速全体行业的发展。
”

换档

那么，这统统究竟是如何运作的呢？人工智能可以驱动很多工具，Aionics 希望这些工具将有助于为未来的电动汽车和其他运用领域制造更好的电池。

机器学习可以对许多选项进行分类。
纵然只考虑当今电池中利用的化学物质，也有大量的组合摆在面前。
机器学习工具可以帮助设计实验，以加快筛选这些选项的过程，同时优化所需的结果。
正如我的同事詹姆斯·特姆普（James Temple）在 2022 年所写的那样，在最近的一篇论文中，维斯瓦纳坦和合著者利用了这些工具来探求帮助电池更快充电的电解质。

天生式人工智能可以设计新材料，乃至有可能超越目前可用的数十亿分子。

Aionics 希望利用在现有电池材料上演习的天生式模型来开拓尚未创造的新材料。
这些分子将被添加到等待池中进行合成，并在电池中进行测试。

这个想法类似于将人工智能用于药物创造，我的同事威尔·道格拉斯·海文（Will Douglas Heaven）在 2023 年早些时候深入谈论了这个话题。

大型措辞模型可以帮助研究职员更快地事情。
在 ClimateTech 的另一场活动中，维斯瓦纳坦分享了 Aionics 开拓的一种名为 ElectroBot 的大型措辞模型的进展。
该模型利用的演习数据是教科书和已揭橥的电解质化学研究，可以帮助回答有关化学性子的问题或提出建议，从而帮助办理实验室中的问题。

这类人工智能模型常日存在“幻觉”问题，或产生不真实的回答。
这家初创公司正致力于在其模型中办理这一问题，考试测验见告科学家可以在教科书或揭橥的论文中找到对应的信息。

正如维斯瓦纳坦所说，人工智能可能是我们加快电池开拓韶光表的最佳机会。

作者简介：凯茜·克龙哈特（Casey Crownhart），是《麻省理工科技评论》的景象，专注于可再生能源、交通以及技能如何应对景象变革。
她还曾是一名自由科学和环境，为 Popular Science 和 Atlas Obscura 等媒体撰稿。
在从事***事情之前，她是一名材料科学的研究员。

支持：Ren