环保和节能技术的开发是本世纪最紧迫的需求之一。此外，预计地球上的能源消耗将在未来急剧增加，从而导致对新型能源供应的需求更高，必须是安全，清洁和可持续的。期刊上的论文储能材料亚博网站下载考虑使用有机电极材料。亚博网站下载
研究：人工智能驱动了新型有机锂离子电池阴极的硅内发现。图片来源：Nevodka / shutterstock
在这种背景下，有机电极材料（OEM）结合了关键的可持续性和多功能性能，并有可能实现亚博网站下载下一代真正的绿色电池技术。Organics提供了各种吸引人的功能，例如低成本和轻巧，具有多功能合成方法，可定制的特性以及可再生资源的生产。
因此，具有增强性能的新型有机材料的正确设计对于可持续发展至关重要。亚博网站下载但是，要使OEM成为竞争性的替代方案，必须克服与能量密度，速率能力和循环稳定性有关的具有挑战性的问题。
这项研究详细介绍了合并密度功能理论（DFT）和机器学习的高效而优雅的工作流的发展，以加速新型有机电活性材料的发现。亚博网站下载
流程图说明了开发框架的整个工作流程以及AI-Kernel如何在学习步骤后快速访问有机材料世界。亚博网站下载Omead代表“能源应用数据库的有机材料”。亚博网站下载图片来源：Carvalho等，2021。
方法
该框架分为三个关键步骤。首先，通过组合DFT和进化算法来解析有限的28个电极候选物及其相应片状相的晶体结构。
其次，开发了一个数据库，其中包含从高级DFT计算中提取的26,218个有机分子的结构信息和性能。最近提出的大多数有机部分用于能源转化和存储应用。
第三，基于机器学习方法开发模型，以极大地加速OEM的电化学性能的评估。通过结合第一步和第二步的数据，设计了具有良好统计保真度的有效AI-内核，它仅依靠分子结构的知识作为输入来预测电池开路电压，完全通过要求AB的时间完全通过-Initio计算。
结果与讨论
预测分子的晶体结构各自前两个锂相，并且平均静态电压（VOC）计算两步反应。该数据集中的几个分子基于二羧酸盐，因为它们最初形成稳定的晶体。此外，可以通过不同的机制进一步定制基于二羧酸酯的构件，从而提供可调的热力学特性。
这些晶体的常见特征是形成由其有机对应物插入的盐层。该层中的锂离子通常被四个羧酸氧氧包围，它们形成四面体配位。此功能大大增加了这些类型的有机电极的一般稳定性，这是锂离子电池（LIBS）的有利特性。
神经模型是通过基准测试指纹和网络体系结构的不同组合来构建的，以生成最有效的模型。所有库仑矩阵（CM）和多体张量表示（MBTR）组合的神经网络均在张量框架上进行编码，而简化的分子输入线 - 输入系统（Smiles）是在Pytorch顶部开发的。
在分析不同指纹和体系结构的一般性能时，选择了平均绝对误差（MAE）作为网络的训练标准。该训练是在能源应用数据库（OMEAD）分子数据库的一部分中进行的，其中有18,528个样品，而2290则保留用亚博网站下载于测试目的。
微笑表示的表现与MBTR相似的性能类似，这是一种更强大的指纹，能够编码更多的结构信息。由于其概念上的优雅和简单性，微笑的建筑是最终的选择。
通过训练神经模型，AI内核被解决了。下一步是将生产框架应用于探索有机宇宙，并通过高通量筛选方法确定LIBS的新潜在电极。
为了选择潜在的候选物，应用了一个简单的电压滤波器来识别V具有V的阴极化合物OC高于2.9 V（vs li/li+）和V带V的阳极化合物OC在0.0 V和0.5 V之间（vs Li/Li+）。
总体结果在DFT和AI之间达成了良好的协议，重新确定了模型的性能。小偏差主要是由于离群值主要来自分子，这些分子经历了DFT计算中氧化还原过程的重大结构变化。
这种改进的材料的实现可能会将基于有机的电池置于理想的位置，作为一种亚博网站下载下一代技术，用于能源需求应用，在高层重力能量密度和电池可持续性的结合中，至关重要。
结论
本研究中讨论的AI-KERNEL使得对巨大的有机分子库进行了高通量筛选，从而发现了459个新型潜在OEM，候选人提供了实现1000 W H KG以上的理论能量密度的潜力。-1。
此外，机械准确地识别出导致如此高压电极的常见分子功能，并确定了有趣的供体 - 头顶样效应，可以为阴极活跃OEM的未来设计提供动力。
期刊参考：
Carvalho，R。P.，等。（2021）人工智能驱动了新型有机锂离子电池阴极的硅内发现。储能材料亚博网站下载。https://www.亚博老虎机网登录sciendirect.com/science/article/pii/s240582972100489x