斯坦福大學的研究人員利用人工智能分析原子級圖像中的大量數據，回答了一個懸而未決的問題：傳統鋰離子電池會受到一種新興的可充電電池的衝擊。如今的可充電電池是一大奇迹，但遠非完美。因為它們最終都會磨損，更換和回收會帶來高昂的成本。
“但如果電池堅不可摧呢？”斯坦福大學（Stanford University）材料科學與工程副教授 William Chueh 發出了這樣的疑問。他首創了一種製造環保電池的分析方法，電池的永久循環利用將不再是遙不可及，該項研究發表在《自然材料》期刊。
Chueh 教授、21 級一作博士生 Haitao D. Deng 與勞倫斯伯克利國家實驗室（Lawrence Berkeley National Laboratory）、麻省理工學院（MIT）以及其他研究機構的合作者們，利用人工智能分析了新型原子級顯微圖像，以準確了解電池磨損的原因。
他們說，最終這些發現可能會幫助延長如今電池的使用壽命。
納米斷裂
具體來講，他們研究了一種基於 LFP 材料的特定類型的鋰離子電池，這可能會導致電動汽車進入大眾市場，因為它不使用供應鏈受限的化學品。
“把電池想象成一個陶瓷咖啡杯，在加熱和冷卻時會膨脹和收縮。這些變化最終會導致陶瓷出現裂痕，”Chueh 教授解釋道。“每次充電時，充電電池中的材料都會產生相同的作用，然後耗盡電量，導致故障。”Chueh 教授指出，在電池中，導致裂縫的不是溫度，而是材料在每次充電循環中相互產生的機械變形。
然而我們對原子結合的納米尺度上發生的事情知之甚少，這些新型高分辨率顯微鏡技術使我們能夠看到它，人工智能可以幫助我們了解正在發生的事情。我們首次在單納米尺度上可視化和測量這些力。任何給定材料的性能都是其化學和原子尺度材料中物理相互作用的函數，Chueh 教授稱之為“化學動力學”。而且，物體越小，組成材料的原子越多樣，就越難預測材料的行為。
▲ 藝術家結合機器學習、X 射線和電子顯微鏡對粒子間的相互作用進行了分析（圖像來源：Ella Maru Studio）。
AI 是一種革命性工具
使用 AI 進行圖像分析並不新鮮，但使用它來研究最小尺度的原子間的相互作用卻是新鮮事。在醫學領域，人工智能已經成為一種革命性工具，可以分析從膝蓋缺陷到致命癌症等各種疾病的圖像。與此同時，在材料科學領域，高分辨率 X 射線、電子和中子顯微鏡的新方法允許在納米尺度上直接可視化。
研究團隊選擇了磷酸鐵鋰（LFP），這是一種用於正極的知名材料，在電動汽車製造商和其他電池密集型企業中越來越受歡迎。這種電極不含許多商用電池都使用的鈷和鎳。儘管電價更高，LFP 電池也更安全。
儘管 LFP 已經被研究了 20 年，但面臨兩個關鍵的突出技術問題，迄今為止人們還只能靠猜測。第一個涉及了解材料在充電和放電時的彈性和變形。第二個涉及它在 LFP 部分穩定或“亞穩定”的特定機制中如何擴展和收縮。
Deng 首次使用他的圖像學習技術幫助解釋了這兩個問題，他將其應用於由掃描透射電子顯微鏡產生的一系列二維圖像，以及利用光譜儀-層疊衍射成像技術獲得的高級 X 射線圖像。他說，這些發現對電池的容量、能量保持率和速率都很重要。更妙的是，他認為可以推廣到大多數也可以製造良好電極的晶體材料。他說：“人工智能可以幫助我們了解這些物理關係，這些關係對於預測新電池的性能、在實際使用中的可靠性以及材料如何隨着時間的推移而退化至關重要。”
研究的新方向
Chueh 教授稱呼 Deng 為“學術企業家”。他有化學家的背景，但他同時自學了些人工智能理論，以應對材料領域的這一挑戰。Deng 說，這種方法採取一種“逆向學習”形式，其中的結果是已知的，即退化 LFP 的高分辨率靜止圖像，而人工智能有助於重建物理學來解釋它是如何實現的。反過來，這些新知識會成為改進材料的基礎。
Deng 指出，以前的非人工智能研究已經闡明了機械應力如何影響電極耐久性的相關性，但目前利用新方法獲得的發現不僅令人振奮，也為基本理解其中發揮作用的力學原理提供了動力。
研究人員表示，接下來他們將致力於利用他們的技術在原子水平上闡明有前景的新電池設計思路。其中一個結果可能是製造新型電池控制軟件，它可以通過提高電池壽命的方式管理充電和放電。另一個令人興奮的途徑是開發更精確的計算模型，使電池工程師能夠在計算機上而不是在實驗室中探索電極材料替代品。
“這項工作已經在進行中，”Chueh 教授說。“人工智能可以幫助我們以新的方式看待舊材料，或許可以從一些尚未可知的材料中找出一些有前途的替代品。”