通过机器人实验与机器学习自主优化非水电池电解液
机器学习
2022-10-12 v1 机器人学
摘要
在本工作中,我们引入一种将机器人与机器学习耦合的新流程,用于非水电池电解液的高效优化。一个名为“Clio”的定制自动化实验装置与基于贝叶斯优化实验规划器 Dragonfly 相耦合。Clio 在单盐三元溶剂设计空间上自主优化电解液电导率。利用该流程,我们在 2 个工作日内通过 42 次实验识别出 6 种快充电解液(相比之下,穷举搜索 1000 种可能候选需 60 天,或假设仅评估 10% 候选需 6 天)。我们的方法在先前文献已大量探索的设计空间中找到了报道的最高电导率电解液,收敛于一种展现出微妙电解液化学物理特性的高电导率混合物。
引用
@article{arxiv.2111.14786,
title = {Autonomous optimization of nonaqueous battery electrolytes via robotic experimentation and machine learning},
author = {Adarsh Dave and Jared Mitchell and Sven Burke and Hongyi Lin and Jay Whitacre and Venkatasubramanian Viswanathan},
journal= {arXiv preprint arXiv:2111.14786},
year = {2022}
}
备注
26 pages, 5 Figures, 7 Extended Data Figures