要将风能战太阳能等新的可再死能源引进电网，借需求特地设想的年夜型电池，以便正在阳光下充电，并正在夜间供给能量。有一种电池正在那圆里劣势凸起：液流电池。液流电池包罗两个交流电荷的电活性化教品罐，体积年夜，能够贮存大批的能量。
关于研讨液流电池的研讨职员来讲，他们最体贴的成绩是找到既能贮存大批能量又能持久连结不变的目的份子。
为了找到适宜的液流电池份子，好国能源部（DOE）阿贡国度尝试室的研讨职员乞助于野生智能（AI）的力气，正在超越一百万个份子的宏大化教空间中停止搜刮。阿贡化教家Rajeev Assary道：“正在那些电池中，我们需求的年夜大都份子必需满意多种特征。经由过程同时劣化几种特征，我们有更好的时机为电池找到最好的化教身分。”
为了最有用天时用机械进修，研讨职员从一个由1400个候选氧化复原剂构成的小数据散开端，经由过程量子力教模仿，理解了那些候选氧化复原剂的特征。经由过程利用那个数据散做为操练，他们可以看到该算法准确天辨认了具有最好特征的份子。
这类劣化算法的用处能够没有行液流电池。科教家以为，这类算法能够使用于其他范例的电池，以至其他范畴，好比股票买卖战数据科教。
该研讨论文题为""Discovery of Energy Storage Molecular Materials Using Quantum Chemistry-Guided Multiobjective Bayesian Optimization""，已揭晓正在Chemistry of Materials期刊上。 |
