研究人員，德克薩斯A&M大學的JodieLutkenhaus和DanielTabor正在使用機器學習技術來優化開發無金屬、可回收、有機電池所需的聚合物。該研究由美國國家科學基金會(NSF)資助，并與芝加哥大學的JuanDePablo和StuartRowan合作。

尋找替代電池化學成分

隨著鋰離子電池短缺的臨近，無金屬電池潛力巨大。理論上，有機電池可以在當地采購，從而減少對供應鏈的需求。它們還提供了對環境無害的可能性。

Lutkenhaus說：大多數強大的鋰離子電池都含有鈷，而鈷僅來自全球少數幾個地方，這加劇了大流行加劇的全球供應鏈問題。科學家們正在努力尋找完全不含金屬的替代電池化學物質，這意味著，原則上，您可以在國內合成電池材料。

靶向氧化還原活性聚合物

盡管前景廣闊，但無金屬聚合物電池的一個重大問題是它們的使用壽命。由于大多數聚合物具有絕緣特性，因此它們在儲存能量方面也非常低效。出于這個原因，研究人員正在瞄準能夠存儲電子的氧化還原活性聚合物。一旦儲存，它們可以釋放電子，類似于含金屬電池的工作方式。

無金屬電池離實際商業應用還很遠，Lutkenhaus說，我們的工作將發現新的聚合物，使這些電池能夠用于現實生活中。具體來說，我們正在確定具有更高電壓和穩定性的聚合物，從而轉化為更強大、更耐用的電池。

使用中的貝葉斯框架

為了尋找最節能的聚合物，研究人員將使用貝葉斯框架來篩選數以千計的分子組合，這些組合可以產生能夠儲存能量的聚合物鏈，從而創造出更持久的有機電池。

我們正在使用理論化學來提前預測材料的特性，從而減少在實驗室中測試每種組合的需要，Tabor說，這減少了選項的數量，并提供了可以提高性能的基本見解。它正在根據所有可用知識來決定最佳選擇。

NSF贈款還將幫助對學生進行替代化學和機器學習技術的教育。具體而言，它將幫助化學和化學工程領域的研究生和博士后研究人員。

我們希望在這個充滿活力的領域告訴下一代學生，Lutkenhaus說，隨著機器學習的日益普及，這些領域的未來專業人員需要精通數據科學，并能夠參與計算和實驗科學。