盖世汽车讯 电动汽车续航里程更长、智能手机电池续航时间更久，其动力都源自电池材料。其中，直接决定电池性能和寿命的核心材料是阴极材料。如果人工智能（AI）能够取代电池材料研发所需的大量实验，那会怎样呢？

据外媒报道，韩国科学技术院（KAIST）的研究团队开发了一种AI框架，即使在实验数据不足的情况下，也能提供阴极材料的粒径信息和可靠的预测结果，这为实现全固态电池等下一代能源技术的扩展开辟了新的途径。

图片来源：韩国科学技术院

该研究团队由材料科学与工程系（Department of Materials Science and Engineering）的Seungbum Hong教授领导，与EunAe Cho教授的团队合作。相关研究成果发表于《Advanced Science》期刊。

电池阴极材料是锂离子电池储存和释放能量的核心材料。目前，电动汽车电池最常用的阴极材料是基于NCM的金属氧化物，其中混合了镍（Ni）、钴（Co）和锰（Mn），这极大地影响着电池的寿命、充电速度、续航里程和安全性。

韩国科学技术院的研究团队发现，构成阴极材料的微小颗粒的尺寸是决定电池性能的关键因素。这是因为如果颗粒过大，电池性能会下降；反之，如果颗粒过小，则可能出现稳定性问题。因此，该研究团队开发了一种基于AI的技术，可以精确预测和控制粒径。

过去，为了确定粒径，需要反复进行大量实验，同时改变烧结温度、时间和材料组成。然而，要全面测量所有条件而无遗漏是很难的，实验数据也常常缺失，这限制了对工艺条件与粒径之间关系的精确分析。

为了解决这个问题，研究团队设计了一个AI框架，用于补充缺失数据并提供预测结果，同时确保可靠性。该框架的特点是结合了MatImpute技术和NGBoost概率性机器学习模型，前者通过考量化学特性补充缺失的实验数据，后者计算预测的不确定性。

该AI模型不仅能够预测粒径，还能提供预测结果可信度方面的信息。这为决定在何种条件下实际合成材料提供了一个重要的参考标准。

图片来源：韩国科学技术院

通过不断扩展实验数据进行学习，AI模型展现出约86.6%的高预测准确率。分析表明，阴极材料的粒径受烘烤温度和时间等工艺条件的影响比受材料成分的影响更为显著，这与现有的实验认知相符。

为了验证AI预测的可靠性，研究团队进行了一项实验，在保持NCM811（镍80%/钴10%/锰10%）成分相同金属配比的情况下，在现有数据未包含的制造条件下合成了四种新型阴极材料样品。

结果表明，AI预测的粒径与实际显微测量结果几乎完全吻合，误差大多在0.13微米（μm）以内，远小于人类头发的粗细。值得一提的是，实际实验结果均包含在AI预测的不确定度范围内，这不仅验证了预测值的有效性，也证实了其可靠性。

这项研究意义重大，因为它开辟了一条无需进行所有实验即可优先找到成功概率较高的条件的方法。预计这将加速电池材料的研发，并显著减少不必要的实验和成本。