موسسه تحقیقات فوجیتسو لی و ژاپن شیمیایی به تازگی اعلام کرد تیم تحقیقاتی مشترک خود محاسبات و تکنیک های هوش مصنوعی در طراحی مواد برای همه حالت جامد باتری لیتیوم یون الکترولیت جامد تشکیل شده مورد استفاده قرار اول اصول آزمون پیش بینی، سنتز و ارزیابی ساخته شده، و توسط نتایج واقعی معتبر می شد ثابت کرد که حتی در کمتر داده، و با ترکیب روش های هوش مصنوعی، هنوز هم می تواند به طور موثر شناسایی بهترین مواد، افزایش قابل توجهی در سرعت توسعه از مواد.
تا به امروز، توسعه مواد باید به تجربه طولانی مدت و ذهنیت مشتاق انباشته شده توسط محققان متکی باشد. بسیاری از درس ها باید برای موفقیت تجمع پیدا کنند. محاسبه اول اصل، تعیین ترکیب مواد بر اساس ویژگی های قابل پیش بینی مکانیک کوانتومی است. امکان پیش بینی ترکیب مطلوب مواد جدید با کارایی بالا قبل از آزمایش وجود دارد و در نتیجه تعداد آزمایشات شکست خورده را کاهش می دهد. با این حال، بار برای محاسبه اصول اولیه بسیار بزرگ است و اجزای مختلف مواد نیاز به محاسبات چندگانه دارند و زمان زیادی را صرف خواهند کرد.
این گروه امیدوار است شبیه سازی مواد، و آزمایش های هوش مصنوعی از نزدیک، برای حل این مشکل از توسعه مواد، مواد به طور قابل توجهی کاهش زمان توسعه، به منظور راحت تر ترکیب غیر منتظره و ساختار بلوری پیدا، ایجاد مواد بالا کاربردی جدید.
گروه مورد مطالعه با استفاده از یکی از روش های هوش مصنوعی در ترکیب روش استنتاج بیزی، کنترل تعداد عملیات از اولین محاسبه اصل، سنتز polyoxometalate ترکیبی از سه تمام حالت جامد باتری لیتیوم یون حاوی الکترولیت جامد لیتیوم پیش بینی شده بود. نتایج اعلام می شود که روش را می توان در زمان اجرا، بهترین ترکیب از هدایت یون لیتیوم بالا پیش بینی کرد. مجاورت ترکیب پیش بینی به طور همزمان نیز پیدا شده است دیگر هدایت یون لیتیوم بالا آن.
هدایت یون لیتیوم است یک ویژگی مهم از مواد الکترولیت جامد، آن عامل غالب از شارژ باتری لیتیوم و تخلیه نرخ است. پژوهش مواد استفاده از شبیه سازی و تایید روش هوش مصنوعی می تواند موثر باشد، وجود دارد بدون نشت، هیچ آتش باتری لیتیوم یون آینده انتظار می رود که بازی پتانسیل قابل توجهی در منطقه از مواد برای باتری، نیمه هادی و مواد مغناطیسی.
