开发高性能电池技术对于推动运输和航空业的电气化格外重要。开发锂离子电池成分的传统技术需要对可能的材质选择进行实验，非常耗时，有时候研发过程需要好几年。尤其在研发非水液体电解质溶液的情况下，需要选择出多种溶剂、盐及特定比例，许许多多的设计变量，都使得电解质优化既费时又费力。曾有人提出了一种加快这一进程的方法——利用AI与机器人相结合的技术，发现最优的电池成分。

　　美国卡内基·梅隆大学研究人员温卡特·韦斯万纳森、杰·怀塔克利及他们的同事，此次设计了一个名为“Clio”的定制自动化机器人平台，并与一个名为“蜻蜓”(Dragonfly)的基于贝叶斯优化的AI相结合。利用这些工具，他们证明了该系统能在两个工作日里的42次实验中，自主筛选并确定出6种高导电非水锂离子电池的电解质配方。

　　研究人员指出，他们的方法发现电解质的速度是随机筛选速度的6倍。研究团队在商用锂离子软包电池中测试了该电解质溶液，并以传统的电解质组分作为基线实验，演示了其快速充电的性能。

　　研究团队总结道，他们的研究有助于高性能充电电池的研发，对于更大范围的能源应用和材料科学具有重要意义。

　　总编辑圈点

　　曾经鲜花着锦的人工智能产业本身，近几年已经冷静了不少。但人工智能和其他领域结合应用的案例已越来越多。这次，科研人员设计了定制自动化机器人平台，开发了新的AI算法。该系统能在短时间内筛选并确定高效的锂电池的电解质配方。要知道，如果按传统方法，需要反复调试、试验，还是由算法在虚拟世界进行配方调试来得省事。类似的配方筛选，不仅可以用在电池上，其他涉及配方的能源和材料领域或许也可以得到智能系统的帮助。