1769409129
2026-01-26 06:22:00
Твердотельные батареи широко рассматриваются как ключевая технология будущего хранения энергии, особенно для электромобилей и крупномасштабных систем возобновляемой энергии. В отличие от обычных литий-ионных батарей, в которых используются легковоспламеняющиеся жидкие электролиты, в твердотельных батареях для транспортировки ионов используются твердые электролиты. Этот сдвиг предлагает значительные преимущества в области безопасности, плотности энергии и долгосрочной надежности.
Однако воплощение этих преимуществ в практических устройствах остается серьезной научной и инженерной задачей. Твердые электролиты должны одновременно обладать высокой ионной проводимостью, химической и электрохимической стабильностью и прочными границами раздела с электродами батареи. Достижение всех этих свойств одновременно оказалось затруднительным при использовании традиционных подходов к открытию материалов методом проб и ошибок.
В новом обзоре исследователи изучили, как агенты искусственного интеллекта (ИИ) начинают менять способы разработки и оценки твердых электролитов. Традиционные методы машинного обучения уже показали себя многообещающе, прогнозируя конкретные свойства материалов на основе больших наборов данных, помогая более эффективно сузить список кандидатов на материалы, чем только ручной отбор.
В обзоре подчеркивается растущий сдвиг в сторону агентов искусственного интеллекта, которые выходят за рамки прогнозирования одной задачи. В отличие от традиционных моделей машинного обучения, агенты ИИ могут интегрировать анализ данных, моделирование материалов, моделирование и планирование экспериментов в рамках единого адаптивного рабочего процесса. «Агенты искусственного интеллекта позволяют нам перейти от изолированных прогнозов к скоординированным, многоэтапным исследовательским стратегиям, которые развиваются по мере поступления новой информации», — говорит Эрик Цзяньфэн Ченг, ведущий автор статьи и доцент Передового института исследования материалов Университета Тохоку (WPI-AIMR).
Подходы, основанные на данных, уже продемонстрировали свою эффективность в ускорении скрининга материалов в широком диапазоне химических процессов с твердыми электролитами, включая системы на основе сульфидов, оксидов и галогенидов. Благодаря быстрой оценке большого числа кандидатов эти методы позволяют исследователям сосредоточить экспериментальные ресурсы на наиболее перспективных материалах, значительно сокращая время разработки.
Схема рабочего процесса агента ИИ в SE Discovery. Восприятие извлекает информацию, рассуждения порождают решения, действия выполняют задачи, а обучение обновляет агента, образуя систему обнаружения с замкнутым циклом. © Цянь Ван и др.
В то же время компьютерное моделирование дает важное представление о механизмах деградации, которые ограничивают производительность батареи. Такие явления, как рост дендритов лития и межфазная нестабильность, трудно исследовать экспериментально, но их можно изучить посредством моделирования. В сочетании с анализом на основе искусственного интеллекта эти инструменты помогают выявить ключевые пути сбоев и разработать стратегии по их подавлению.
В обзоре также подчеркивается важность интеграции ИИ с автоматизированным синтезом и передовыми методами определения характеристик. Создавая петли обратной связи между прогнозированием и экспериментом, исследователи могут постоянно совершенствовать конструкции материалов и сокращать разрыв между теоретическими предсказаниями и реальными характеристиками.
Заглядывая в будущее, команда планирует разработать агенты искусственного интеллекта, специально предназначенные для исследований твердых электролитов. Эти агенты будут использовать рассуждения и автономное принятие решений для управления как моделированием, так и экспериментами. «Наша цель — создать циклы самостоятельных открытий, которые могут ускорить разработку материалов в различных химических процессах твердых электролитов», — объясняет Ченг.
В целом, интеграция агентов искусственного интеллекта в исследования твердых электролитов постепенно меняет способы разработки батарей следующего поколения. Обеспечивая более систематические исследования и более обоснованное принятие решений, эти подходы могут ускорить появление более безопасных и надежных твердотельных батарей с широкими преимуществами для электромобилей, хранения энергии и перехода к более устойчивому энергетическому будущему.
Агенты ИИ используют совместимые онтологии для проведения экспериментов с замкнутым циклом, генерации гипотез и обновления знаний в режиме реального времени. © Цянь Ван и др. Подробности публикации:
Название: Как агенты искусственного интеллекта преобразуют открытие твердого электролита
Журнал: ИИ-агент
ДОИ: 10.20517 / Максент.2025.10
/ Публичный выпуск. Этот материал от исходной организации/автора(ов) может носить характер на определенный момент времени и отредактироваться для ясности, стиля и объема. Mirage.News не занимает институциональных позиций или сторон, и все взгляды, позиции и выводы, выраженные здесь, принадлежат исключительно автору(ам). Полный текст можно посмотреть здесь.
#Агенты #искусственного #интеллекта #совершают #революцию #открытии #твердых #электролитов
Читайте также
