Fujitsu Ltd. und das Japan Institute of Physical Chemistry gaben kürzlich bekannt, dass ihr gemeinsames Forschungsteam Berechnungen des ersten Prinzips und Techniken der künstlichen Intelligenz im Materialdesign anwendet, um Vorhersagen, Synthese- und Bewertungstests für die Festelektrolytzusammensetzung von Festkörper-Lithiumionenbatterien durchzuführen Die tatsächliche Verifizierung wurde durchgeführt.Die Ergebnisse zeigen, dass selbst mit weniger Daten die Kombination von Methoden der künstlichen Intelligenz effizient die beste Materialzusammensetzung finden und die Materialentwicklungsgeschwindigkeit stark erhöhen kann.
Bisher musste die Entwicklung von Materialien Forscher stützen sich auf langfristige Akkumulation von Erfahrung und Gespür, brauchen viel die Lehren des Scheiterns zu akkumulieren erfolgreich zu sein. Das erste Prinzip Berechnung ist, dass, wenn die Zusammensetzung des Materials festgelegt, basierend auf Quantenmechanik vorhersagbaren Eigenschaften, vor dem Versuch, die optimale Zusammensetzung der neuen Hochleistungsmaterialien vorherzusagen, wodurch signifikant die Anzahl der Versuche fehlgeschlagen, aber die ersten Prinzipien Berechnungen der Last sehr groß ist, besteht aus verschiedenen Materialien erforderlich, um mehrere Berechnungen, es eine sehr lange Zeit in Anspruch nehmen zu reduzieren.
Das Forschungsteam hofft, Materialsimulationen, Experimente und künstliche Intelligenz zu kombinieren, um die Probleme in der Materialentwicklung zu lösen, so dass die Materialentwicklungszeit stark verkürzt wird, um die unerwartete Zusammensetzung und Kristallstruktur leichter zu entdecken und neue hochfunktionelle Materialien zu schaffen.
Das Forscherteam verwendete die Bayes'sche Inferenzmethode, eine der Methoden der künstlichen Intelligenz, um die Anzahl der Berechnungen der Berechnungen des ersten Prinzips zu steuern und prognostizierte drei lithiumhaltige Oxo-synthetische Verbindungen von festen Lithiumionen-Batterie-Festelektrolyten. Die Ergebnisse bestätigen, dass diese Methode die beste Kombination von hohen Lithiumionenleitfähigkeiten innerhalb der erreichbaren Zeit vorhersagen kann.Zur gleichen Zeit werden auch hohe Lithiumionenleitfähigkeiten anderer Zusammensetzungen nahe der vorhergesagten Zusammensetzung gefunden.
Lithiumionenleitfähigkeit ist eine der wichtigen Eigenschaften von Festelektrolytmaterialien und stellt einen Faktor dar, der die Lade- und Entladerate von Lithiumbatterien dominiert.Die Ergebnisse dieser Studie haben bewiesen, dass der Einsatz von Materialsimulation und künstlicher Intelligenz effizient flüssigkeitsdichte, feuerfreie Lithiumionenbatterien entwickeln kann. Es wird erwartet, dass in Zukunft ein großes Potenzial in Batterie-, Halbleiter- und Magnetmaterialien steckt.
