人工智能（AI）助力科学家发现五种新材料，这些材料在未来的电池性能上或可超越锂。

这些发现意味着人们可以使用镁和锌等元素实现成本更低、更安全、更强大的储能。

解决锂离子问题

新泽西理工学院（NJIT）的研究人员正在利用人工智能，解决未来储能领域面临的一项重大挑战：寻找锂离子电池的低成本环保替代品。

在《细胞报告·物理科学》（Cell Reports Physical Science）期刊上发表的一项研究中，迪巴克·达塔（Dibakar Datta）教授领导的一个团队利用生成式人工智能（AI）快速识别出新型多孔材料，这些材料可能会改变多价离子电池的发展。下一代电池依赖镁、钙、铝和锌等更广泛可用的元素。与日益受到供应和可持续性问题困扰的锂离子电池相比，多价离子电池代表着一条更有前景且更实惠的前进道路。

为何多价离子电池代表未来

多价离子电池不同于传统的锂离子电池，它使用的离子带有两个或三个正电荷，而不仅仅是一个。这使得它们能够储存更多的能量，从而成为未来储能技术中一个极具吸引力的选择。

然而，挑战在于这些多价离子的体积更大、电荷更强，导致它们很难在标准电池材料内高效移动。新泽西理工学院（New Jersey Institute of Technology）团队所研发的人工智能方法正是为了克服这一障碍而专门设计的，旨在发现更适合处理这些高电荷离子的材料。

求助于生成式人工智能以寻求解决方案

“其中最大的障碍之一并不是缺乏有前景的电池化学成分，而是测试数百万种材料组合的可能性极低，”达塔说。“我们利用生成式人工智能，这是一种快速且系统的方法，可以帮助我们在庞大的数据库中筛选出那些真正能让多价电池具有实用性的少数结构。

这种方法使我们能够快速探索数千种潜在候选材料，从而极大地加快了寻找更高效、更可持续的锂离子电池替代技术的步伐。

双AI的力量：CDVAE与LLM

为了克服这些障碍，新泽西理工学院（NJIT）的团队开发了一种新型双人工智能（AI）方法：即晶体扩散变分自动编码器（CDVAE）和经过精心调整的大型语言模型（LLM）。这两种AI工具相结合，快速探索了数千种新的晶体结构，这在以前使用传统实验室实验是不可能实现的。

CDVAE模型在庞大的已知晶体结构数据集上进行训练，使其能够提出具有多种结构可能性的全新材料。同时，对大型语言模型（LLM）进行调整，使其聚焦于最接近热力学稳定性的材料，这对于实际合成至关重要。

五项突破性结构的发现

达塔（Datta）说：“我们的人工智能工具极大地加速了发现过程，发现了五种极具前景的全新多孔过渡金属氧化物结构。这些材料具有大而开放的通道，非常适合快速、安全地传输这些庞大的多价离子，这对下一代电池来说是一项关键性突破。”

研究团队使用量子力学模拟和稳定性测试验证了他们利用人工智能生成的结构，证实这些材料确实可以通过实验合成，并在实际应用中潜力巨大。

超越电池：一场可扩展的材料革命

达塔（Datta）强调了他们这种人工智能驱动的方法的更广泛含义：“这不仅仅是发现新的电池材料，而是建立一种快速、可扩展的方法，来探索从电子产品到清洁能源解决方案的任何先进材料，而无需经过大量的反复试验。”

有了这些鼓舞人心的结果，达塔（Datta）及其同事计划与实验室合作，合成并测试他们利用人工智能设计的材料，进一步推动商业上可行的多价离子电池的发展。

参考文献：《用于发现下一代储能多孔氧化物材料的生成式人工智能》，作者：乔伊·达塔、阿姆鲁特·纳丁帕利、尼希尔·克拉特卡、迪巴克·达塔，2025年6月26日，发表于《细胞报告·物理科学》。数字对象唯一标识符：10.1016/j.xcrp.2025.102665

不要错过任何突破：订阅SciTechDaily新闻简报。