机器学习发现氟化物电池材料可以与锂相媲美

机器学习已被用于快速发现一些最有前途的氟离子电池材料。这项工作可能会加速这些电池的发展，一些人认为这些电池可以与锂电池竞争，甚至取代锂电池。

从理论上讲，从电动汽车到消费电子产品，氟离子系统都是理想的电池。这是因为氟离子重量轻，体积小，而且非常稳定。氟化物也比锂离子电池所需的锂和钴便宜。更重要的是，计算表明氟离子电池比锂离子电池具有更大的存储容量的潜力。

然而，氟离子电池的研究仍处于起步阶段2011年才报道了第一个实验案例．研究进展缓慢，因为没有多少已知的材料可以传导氟离子，这是一个至关重要的要求，因为这些离子的运动使这些电池能够充电和放电。因此，寻找用于氟离子电池的最佳材料是一项挑战。

现在，杰克·桑德伯格和他的同事斯科特•沃伦美国北卡罗来纳大学教堂山分校(University of North Carolina at Chapel Hill)的实验室设计了一种机器学习方法，使用超级计算机可以快速准确地计算出氟离子在任何已知含氟晶体中移动的容易程度。该团队最初使用一种常见的分层计算方法筛选了一个包含14万种已知材料的数据库，将其削减到1万种含氟化物的候选材料。

沃伦解释说:“由于氟离子导体的研究还不多，我们根本不知道在10,000种材料中找到最佳候选材料还需要哪些额外的标准。”这意味着有希望的材料可能会在被其他标准确定之前被单一标准拒绝，因此需要一种新的战略。

桑德伯格说:“最终的解决方案非常简单:不要取消等级结构。”在体育比赛中，球队排名会随着赛季的进展而更新。在这里，随着我们对氟化物扩散的了解越来越多，结构排名也会更新。”

桑德伯格首先从10,000种候选材料中随机选择了300种，并对每种材料的氟化物输送能力进行了非常精确的计算。这些基准计算在每种材料上花费了一周的时间，然后用于训练系统来开发更快的计算版本-每种材料只需一小时。然后，研究人员能够将其应用于剩余材料，以快速准确地确定其氟化物传导特性。这项技术确定了其他已知的氟化物导体，这给了研究小组对结果的信心。

沃伦说:“真正酷的是，许多材料似乎比锂离子电池中使用的材料具有更好的导体。”其中一种材料是含氟锌钛化合物ZnTiF₆．“这种材料非常便宜，具有优异的氟化物传导性能，作为氟离子电池的电解质应该特别有前途。”沃伦解释说:“我们刚刚为一些最令人兴奋的成分提交了专利。”

“这项工作将使实验固态化学团体首先将精力集中在计算下选择的成分上，从而加速材料的发现过程，”他说毛罗。意大利面他在英国牛津大学研究氟离子电池。“看到新的成分被实验探索将是令人兴奋的。”

桑德伯格表示，可能不久之后就会对包括ZnTiF在内的建议材料进行测试₆．“我们的计算表明，这些材料是稳定的，可以合成，所以我们实验室的其他一些学生正在实验合成它们，并测试它们的性能。”