產學交流平臺
時事新知技術研討
文章投稿
親愛的PIPO會員,若您想於產學交流平臺參與張貼、發表新文章,竭誠歡迎您來信與本辦公室聯絡,謝謝!
聯絡信箱:PIPOservice@itri.org.tw

人工智慧—材料研發的登雲梯

0回應帖數
50瀏覽次數
「電動車行駛於道路上,人手一支智慧手機」---鋰離子電池是這些景像背後的重要推手。在問世30年後,要求更高容量、更小型、輕量化,鋰離子電池組成材料的發展已來到基本材料需改變的分岐點!在眾多材料中,如何「一眼相中」最適合的材枓?人工智慧(AI)是近年開發出來的強而有力工具;研究人員已開始思索如何將AI應用於研發的各個環節---從「實驗」、「理論計算」,乃至「『人』的工作」? 如何呈現最佳的研究形式?AI將協助電池迎向研發的新時代。
 
鋰電池研發的材料訊息學
鋰離子電池問世迄今已30年了,在既有材料框架下其性能改善有限,欲進一步大幅提升性能,須由材料的根本變革著手;而被寄予厚望的下世代蓄電池-全固態電池的研究開發中,要求高功率、小型、長壽命、與超輕量化,各國的研究人員亦致力於找尋最佳的電池組成材料。就材料面來看,電極與電解質為簡單的材料,然組成電池後,其內部的化學反應卻極其複雜。以往使用的材料探索方法,多先依研究人員的經驗進行試誤,再佐以「計算科學」為輔。主要係使用第一原理計算,以微觀之量子力學為基礎,進行原子間作用力與電子行為的推算。利用超級電腦的高速、大量運算能力,模擬蓄電池內的化學反應狀態,解析詳細的反應機制,提出新材料建議。即使在超級電腦的幫忙下,進行蓄電池內化學反應之高精密度計算仍是一項耗時的高成本工作。如何快速找到目標材料,材料訊息學(MI-Materials Informatics)提供了材料研發的新捷徑。
 
應用於初期之新材料導入、資料使用/選擇方法的MI,是稱為「機械學習」或「深層學習」的資訊科學方法,意即以人工智慧解析物性數據、推測材料與性能的相關性,進而找出新材料。綜觀全世界,將MI應用於蓄電池材料研發的最佳實施例,首推美國加州大學柏克萊分校的Gerbrand Ceder教授。Ceder教授使用第一原理計算,收集大量的模擬資料,導入機械學習,合成具潛力的材料,繼而找到優異的蓄電池材料。日本的物質材料研究機構(National Institute for Materials Science; NIMS)也應用MI進行蓄電池材料的研發,以效率化的計算建構機械學習模式,以MI之提案為基礎,開發可以自動製作電解液、進行性能評估的機器,大幅加速了蓄電池的研發流程。
 
MI材料開發程序
眾所周知,電池是正極、負極與電解液的組合,其性能要求輕、薄、小,且首重安全。鋰離子電池因電解液具燃燒可能,為改善安全遂有採用固體電解質之全固態電池構想,然全固態電池之離子傳導率可能偏低。鋰空氣電池之能量密度高於鋰離子電池,唯其循環壽命較短。以蘊藏豐富便宜之鎂為主材料的鎂負極電池可實現大容量化,然仍未找到適合匹配的正極與電解液。不同材料之蓄電池各具發展優勢,卻也各有其尚待克服的難題。
正極、負極與電解液材料有極多種的可能組合,為突破人工操作的極限,乃使用電腦取代傳統實驗室的重覆操作、測試,充實資料庫內容,提升電腦性能,以計算科學提升模擬精密度,進而改良現有材料。例如,鋰空氣電池用電解液的研發,利用新開發的電解液製作、性能評估設備,原本手動操作一天僅可測試10種電解液,而自動化設備則可提高至1天測試1,000種。得到之資訊可再輸入資料庫,逐步加深、加廣模擬計算與MI提案,以提升效率。
 
作者:李守仁/健行科技大學、白立文/工研院材化所
以上為部分節錄資料,完整內容請見下方網址
https://www.materialsnet.com.tw/DocView.aspx?id=45248

0 則回應

訪客照片
回應此文章
【公告】發表的言論若不符合此文章或為廣告宣傳內容,則該則留言將會被刪除。發表留言
回頂端