基于机器人实验与机器学习的电池电解液自主发现
应用物理
2021-11-30 v1 机器学习
摘要
电池创新需要数年才能配方和商业化，在设计与优化阶段需大量实验。我们通过直接集成于机器人测试台的黑盒优化算法来进行电池电解液的设计与筛选。我们在此报告由该实验完全在机器学习软件引导下、无人工干预发现的新型电池电解液。受近期面向高性能电池的超浓水系电解液趋势推动，我们利用Dragonfly——一个贝叶斯机器学习软件包——在常用锂盐和钠盐混合物中搜索具有宽电化学稳定窗口的超浓水系电解液。Dragonfly自主管理机器人测试台，推荐待测试电解液设计并实时接收实验反馈。在跨越数百万潜在候选的四维设计空间中连续实验40小时，Dragonfly发现了一种新型混合阴离子水系钠电解液，其电化学稳定窗口宽于当前最优钠电解液。人工引导的设计过程可能错过这一最优电解液。该结果证明了将机器人与机器学习集成以快速、自主发现新型电池材料的可能性。
引用
@article{arxiv.2001.09938,
title = {Autonomous discovery of battery electrolytes with robotic experimentation and machine-learning},
author = {Adarsh Dave and Jared Mitchell and Kirthevasan Kandasamy and Sven Burke and Biswajit Paria and Barnabas Poczos and Jay Whitacre and Venkatasubramanian Viswanathan},
journal= {arXiv preprint arXiv:2001.09938},
year = {2021}
}
备注
23 pages, 4 figures, 10 pages of Extended Data