通过机器学习 美国研究人员可快速发现氟离子电池材料

一些人认为氟离子电池可以与锂电池相媲美，甚至可以替代锂离子电池。据外媒报道，研究人员利用机器学习可快速发现一些有前景的氟离子电池材料，以加速开发这类电池。

理论上来说，无论是对电动汽车，还是消费电子产品等设备来说，氟离子系统都是理想的电池选项。因为这种电池重量轻、体积小，具有高度稳定性。比起锂离子电池中使用的锂和钴，氟的成本更低。更重要的是，与锂离子技术相比，计算显示氟离子电池具有更高的存储容量。

然而，氟离子电池研究仍处于起步阶段，2011年才出现关于其首个实验示例的报道。这类电池通过氟离子运动进行充放电，但目前已知能够传导氟离子的材料不多，相关研究进展缓慢。在这种情况下，寻找用于氟离子电池的最佳材料成为一个挑战性问题。

最近，在美国北卡罗来纳大学教堂山分校（University of North Carolina at Chapel Hill），Scott Warren实验室的研究人员设计了一种机器学习方法，可以利用超级计算机，快速精准地计算出氟离子在任何含氟晶体中移动的难易度。该团队最初通过常见的分层算法（hierarchical calculation method），从包含14万种已知材料的数据库中进行筛选，使其缩减至1万种含氟候选材料。

Warren表示：“由于对氟离子导体的研究不多，研究人员根本不知道在1万种导体中找最佳候选项的附加标准是什么。”这意味着一些有前景的材料在被其他标准识别之前，可能会被单一标准否定，因此需要采用新策略。

“最终，这一解决方案变得非常简单，即对结构进行分级，而不是删除。”研究人员Jack Sundberg表示，“在体育运动中，球队排名会在新赛季发生巨大变化。在这里，随着对氟化物扩散状态的了解更加深入，结构分级也会更新。”

首先，研究人员从1万个候选项中随机选择300种材料，并对每种材料的氟传输能力进行精准计算；这些基准计算（每种材料需要一周）被用来训练系统，以开发更快的计算版本（每种材料只需一小时）；接着，将该计算版本用于其他材料，以快速精准地确定其氟离子传导性能。这项技术能够确定其他已知氟化物导体，这让研究小组对其结果充满信心。

Warren表示：“比起锂离子电池中使用的材料，许多材料似乎具有更好的导体性能。其中一种材料是含氟的锌钛化合物ZnTiF6。这种材料的成本很低，具有优异的氟传导性能，是一种很有前途的氟离子电池电解质。研究人员刚刚为一些表现最出色的组分提交了专利。”

研究人员认为，受益于这项工作，固态化学实验界可以先集中精力探讨以计算方式筛选出来的组合物，从而加快材料的发现过程。Sundberg表示，很快将对包括ZnTiF6在内的材料进行测试。“计算表明这些材料比较稳定，并且可以合成。实验室的其他一些学生正在进行实验合成，并测试其性能。”