談及鋰電池安全問題就不得不提到讓眾多消費者心有余悸的Galaxy Note 7手機電池爆炸事件，三星為此召回了近200萬臺Note 7手機。這項災難性事件使得三星第三季度凈利潤同比下降16.8%，以及移動部門季度利潤創下自六年前首次推出Galaxy系列手機產品線以來的最低記錄。

　　研究顯示，普通鋰離子電池之所以發生爆炸的重要原因之一，就是由于傳統鋰電池的電解液為有機液體，在不太高的溫度下就能發生副反應，產生氣體，膨脹后引起爆炸。為了提高鋰電池的安全性能，過去幾十年來科學家們一直在尋求可以替代鋰離子電池中易燃電解液的安全材料。近期斯坦福大學的研究員們通過人工智能以及機器學習的方法，找到了約21種固體的電解質材料，據稱它們在未來有可能替代易燃電解液應用在手機、筆記本以及其他電子設備中。

　　日前該團隊將他們的研究成果發表在《能源與環境科學》雜志上。文章顯示，科學家們并沒有使用傳統的隨機測試個別化合物的方法來尋找新的固體電解質材料，而是使用了人工智能和機器學習，通過實驗數據構造預測模型。他們訓練了一種計算機算法，基于現有的數據，去學習如何辨認化合物的好壞。這個過程和人臉識別算法，在觀察幾個范例后，去辨認人臉的過程很類似。

　　論文的第一作者、研究的帶頭人、應用物理方面的博士研究生Austin Sendek表示電解液在電池中起到了在正負電極之間傳遞鋰離子的作用。電解液成本低、導電性能好，然而電池一旦過熱或者短路，電解液則非常容易著火，帶來的安全隱患是巨大的。Sendek認為固態電解質最主要的優點就是穩定性高，而且相比于有機溶劑，固體不易爆炸和揮發，同時還會使得電池的結構更強。

　　在過去長時間的實驗和試錯的過程中，科學家們一直都沒能找到和電解液一樣便宜，并且在室溫下就具有量好導電性的固態電解質。此次的斯坦福實驗小組并沒有使用傳統的試驗方法，隨機的對單個化合物進行測試，而是利用了人工智能和機器學習。團隊通過實驗數據搭建了一個預測模型。基于現有的數據，成員們訓練出了一種計算機算法，它可以去辨別固態電解質化合物的好壞。這個過程和人臉識別很類似，機器在觀察幾個給出的樣本后，通過深度學習不斷提高辨認的準確度。

　　Sendek表示“已知的含鋰化合物的數量有幾萬個，我們做過測試的僅占很小一部分，然而其中一些化合物可能就是我們正在尋找的完美的導體。因此我們建立了一種計算模型，它通過對我們已經得出的現有數據進行學習，可以從巨大的化合物數據庫種挑選出有可能達到我們要求的材料。并且這種篩選方法的速度比我們現有篩選方法的速度要快100萬倍左右。”

　　為了建立這種計算模型，Sendek花費了大概兩年的時間收集了所有和含鋰固態化合物相關的已知科學數據，工程量之大可想而知。這項論文的高級作者，材料科學和工程專業的助理教授Evan Reed在采訪中表示“為了建立這個模型，Austin收集了和這些材料相關的所有的人類智慧，以及過去幾十年的測量和實驗數據。正是這些數據使得Austin得以建立一個具有預測能力的模型，預測某種材料是會是好的固態電解質。這種方法使得我們可以以比較快的速度對所有的含鋰化合物進行篩選，從而找出適合進一步研究的最佳候選材料”。

　　這個預測模型使用了幾個評判標準對候選材料進行篩選，包括穩定性、成本、富含量、鋰離子導電能力以及在電池電路中為電子重新規劃路徑的能力。候選的材料是從“ The Materials Project”數據庫中挑選出來的，科學家們可以從這個數據庫中探索上千個材料的物理和化學性能。Sendek告訴記者“我們對超過12000個含鋰化合物進行了篩選，挑出了21個比較有潛力的固態電解質，整個篩選過程只需大概幾分鐘。我的大部分時間其實都用來收集和管理所有的數據，以及開發定義模型預測準確度的度量機制。”研究人員們最終決定對這21種材料進行實驗室測試，從而決定哪一種材料更適合應用于現實場景中。Reed表示“我們的方法可以解決多種和材料相關的問題，并且可以提升這些領域的研究投資效果。隨著數據量的增多以及電腦技術的提高，我們的創新能力也將以指數形式提升。”

　　對于這項研究的意義和未來，論文的另一位作者，材料科學和工程專業的助理教授Evan Reed 表示：“我們的方案能夠處理關于材料的許多問題，有助于增加這個領域的研究投資效果。隨著現實世界中數據量的增長和計算機性能的提高，我們的創新能力將以指數方式增加。無論是鋰電池、燃料電池還是其他的各種電池，這個領域的研究都具有重大的意義。”