锂离子电池作为一种可充电电池，已经广泛应用于大规模电网储能、便携式电子设备和电动汽车等领域，显著影响着人类生活和发展。然而，迅猛发展的新能源产业中新产品层出不穷，产品的快速迭代对电池性能不断提出新的需求：续航长、充电快、安全性高……传统锂离子电池越来越难以满足现实需求，研发下一代电池设计体系迫在眉睫。
先进电解液设计正是下一代电池设计的核心之一。电解液是电池的“血液”，正如人体的血液负责传递氧气、养分、免疫物质等生命必需品一样，电解液将离子在电池正负极之间传递，实现电池的充放电功能。电池的正负极材料决定了电池的理论性能，而电解液对于电池理论性能的发挥则起着至关重要的作用。
相比于固体材料，溶液化学的复杂机理使电解液这样的液体材料的设计难度更高。此外，电解液材料的分子组合浩如烟海，研究者以往需要通过实验对各种组合进行逐一筛选，效率受到极大限制。人工智能（AI）的快速发展为电解液材料的筛选、设计、构建提供了新的可能。
针对电解液设计面临的难题，化工系陈翔/张强团队提出了“人工智能设计锂电池电解液”的新方法，从分子生成、高通量计算与数据库构建、人工智能设计与实验验证三个方面入手，实现先进电解液的高效设计。
“国际上将AI用于材料开发的尝试起源于2011年左右，但以往研究主要聚焦于固体材料设计。我们团队从2016年左右开始考虑如何把AI用于电池体系，并率先开展液体物质这一新领域的AI研究。”化工系副研究员陈翔介绍说。
团队合影
如何将AI运用在具体的研发之中？在陈翔看来，数据和模型是两大关键因素。化工和AI的“跨界联手”，得益于团队成员来自化工、数学、材料、计算机等多元的学科交叉背景，和团队对外建立的丰富外部合作机制，这些都为电解液的AI模型建立方面提供了有力支持。
团队首先开发了一整套适用于锂电池电解液研究的高通量计算软件，将感兴趣的分子结构输入后，软件会在超级计算机上进行模拟计算，获取电解液20余种关键的理化性质，形成了先进的数据库。然后，开发了分子生成模型和高通量筛选策略，实现上亿分子空间的性质预测与电解液分子设计。截至2024年初，软件数据库已经涵盖了24万种以上的电解液分子结构，远超过往百余年锂电池研究史上几千种成分的总和，规模处于全球领先水平。
AI设计电解液模型
“我们希望能够通过AI的方法找到新的材料分子，解决实际应用场景中的复杂问题。”陈翔说。AI能够根据用户的实际需求设计潜在分子结构，并开展高通量实验验证，逐步建立分子结构、电解液性质和电池性能之间的定量关联，从而开发出最适合的电解液。
在快充电解液的研发过程中，团队借助AI进行分子设计，从而获得了超脱原有想象的新分子，在实验中取得了很好的效果。此外，团队也在积极搭建开放的电解液设计平台，推广AI研发工具在业界的应用。
基于上述成果，团队发表了行业高影响期刊论文并申请了软件著作权，第一完成人陈翔入选了2023《麻省理工科技评论》“35岁以下科技创新35人”，第二完成人化工系张强教授获得了首届“可持续发展青年科学家奖”（全球仅3人）。该成果还入选了2023年清华大学最受师生关注的年度亮点成果。
机器人做实验
团队还将AI和化学机器人相结合，实现电解液配方批量研发和实验的智能化、自动化流程。陈翔指出，相比于传统的人工操作，机器人的研发效率将提升一到两个数量级。今年，张强开设的“纳米能源”课程与基础工业训练中心合作，让AI和化学机器人走进课堂，使本科生也能够接触到最前沿的科研方法，实现教学和科研的有机融合。
在陈翔看来，“化学从诞生之初，就是一门偏重经验和实验的学科”，但机器学习等AI技术的迅猛发展使科学研究范式正从传统的实验试错方法向数据驱动的新模型转型，“数据构建起了理论、计算和实验之间的桥梁。”陈翔说，“如今我们能够把各种范式结合起来用于研究，其中的巨大潜力是大家有目共睹的。”
未来，团队将继续聚焦AI和电池研发设计相结合的大方向，打通从AI设计电解液到投入产业应用的完整链条，加速下一代锂电池的实用化进程，助力能源低碳转型，为科技强国建设贡献清华力量。
