据了解，日前该团队将他们的研讨成果发表在《能源与环境科学》杂志上。文章显现，科学家们并没有运用传统的随机测验单个化合物的办法来寻找新的固体电解质资料，而是运用了人工智能和机器学习，通过实验数据构造猜测模型。他们训练了一种计算机算法，根据现有的数据，去学习怎么辨认化合物的好坏。这个进程和人脸辨认算法，在观察几个典范后，去辨认人脸的进程很相似。
论文的第一作者、研讨的带头人、应用物理学博士研讨生AustinSendek表明：现有的含有锂元素的化合物数量是数以万计的，绝大多数是未经测验的。其中的一些可能是性能优异的导体。咱们开发了一个计算模型，有关咱们现有的有限数据进行学习，从大规模的数据库中，选择出合适的资料。这种选择办法的速度是现有选择办法的百万倍。
为了设计这个模型，AustinSendek花费了差不多两年时刻，搜集了有关含有锂元素的固体化合物的简直所有科学数据，然后通过这些数据对待选固体化合物的稳定性、本钱、丰富度、锂离子的导电性等许多理化属性进行了评测，终究选择出了21种最合适的固体电解质资料。
AustinSendek表明：咱们选择了超过12,000种含有锂元素的化合物，终究找到了21种作为固体电极的理想资料。选择只要花费几分钟。我绝大多数的时刻，实际上是用于搜集和管理所有的数据，开发有关猜测模型更牢靠的衡量机制。
研讨人员未来计划在实验室环境下测验这21种资料，进一步确认它们是否是实际情况下的最佳选择。
有关这项研讨的意义和未来，论文的另一位作者，资料科学和工程专业的助理教授EvanReed表明：咱们的方法可以处理有关资料的许多问题，有助于新增这个范畴的研讨出资用途。随着实际国际中数据量的上升和计算机性能的提高，咱们的创新能力将以指数方式新增。无论是锂离子电池、燃料动力电池仍是其他的各种电池，这个范畴的研讨都具有重大的意义。
