人工智能用途+1：助力清洁能源行业，优化液流电池特性

要将风能和太阳能等新的可再生能源引入电网，还需要专门设计的大型电池，以便在阳光下充电，并在夜间提供能量。有一种电池在这方面优势突出：液流电池。液流电池包含两个交换电荷的电活性化学品罐，体积大，可以储存大量的能量。

对于研究液流电池的研究人员来说，他们最关心的问题是找到既能储存大量能量又能长期保持稳定的目标分子。

为了找到合适的液流电池分子，美国能源部（DOE）阿贡国家实验室的研究人员求助于人工智能（AI）的力量，在超过一百万个分子的巨大化学空间中进行搜索。阿贡化学家Rajeev Assary说：“在这些电池中，我们需要的大多数分子必须满足多种特性。通过同时优化几种特性，我们有更好的机会为电池找到最佳的化学成分。”

为了最有效地利用机器学习，研究人员从一个由1400个候选氧化还原剂组成的小数据集开始，通过量子力学模拟，了解了这些候选氧化还原剂的特性。通过使用这个数据集作为练习，他们能够看到该算法正确地识别了具有最佳特性的分子。

这种优化算法的用途可能不止液流电池。科学家认为，这种算法可以应用于其他类型的电池，甚至其他领域，比如股票交易和数据科学。

该研究论文题为"Discovery of Energy Storage Molecular Materials Using Quantum Chemistry-Guided Multiobjective Bayesian Optimization"，已发表在Chemistry of Materials期刊上。

前瞻经济学人APP资讯组

参考资料：https://pubs.acs.org/doi/10.1021/acs.chemmater.1c02040