编辑 | 紫罗
传统的质料研发模式主要依赖「试错」的试验要领或偶然性的发现，其研发过程一般长达 10-20 年。
虽然基于机器进修 (ML) 的数据驱动要领可以加速清洁能源技术新质料的设计，但由于缺乏大型高保真试验数据库，其在质料研讨中的实际利用仍然受到限制。
近日，美国西北太平洋国家试验室和阿贡国家试验室的研讨团队，设计了一个高度自动化的职业过程，将高通量试验平台与最先进的主动进修算法相结合，可有效挑选对阳极电解质具有最佳溶解度的二元有机溶剂。
除了设计用于开发高性能氧化复原液流电池的高效职业过程之外，该机器进修诱导的高通量机器人平台为加速发现功能质料提供了一种强大而通用的要领。
审稿人点评道：「该研讨表明，AI 诱导的机器人平台可以有效地寻找能源利用中溶剂电解质的非直观组合。这项职业对电池界具有重要意义。」
该研讨以《An integrated high-throughput robotic platform and active learning approach for accelerated discovery of optimal electrolyte formulations》为题，于 2024 年 3 月 29 日发布在《Nature Communications》上。
论文链接：https://www.nature.com/articles/s41467-024-47070-5
设计具有目标功能特性的质料对于开发清洁能源技术利用和实现电力深度脱碳至关重要。然而，传统的试错要领成本高昂且耗时。
氧化复原活性分子的溶解度是决定氧化复原液流电池（RFB）能量密度的重要因素。然而，电解质质料发现的受到试验溶解度数据集缺乏的限制，而这些数据集对于利用数据驱动的要领至关重要。
尽管如此，由于缺乏有机溶剂系统的标准化和与利用相关的试验溶解度数据，为非水性 RFB (NRFB) 开发高度可溶的氧化复原活性有机分子（ROM）仍是一项艰巨的任务。
通过利用自动化高通量试验（HTE）平台，可以提高「过量溶质」溶解度测量要领的可靠性和效率，并构建 NRFB 的溶解度数据库。然而，即使利用 HTE 系统，潜在溶剂混合物的多样性也使得挑选过程更加耗时且昂贵。
主动进修（AL），特别是贝叶斯优化（BO），已被证明是加速寻找储能利用所需电解质的可靠要领。因此，由 BO 指导的闭环试验职业过程可用于最大限度地减少 HTE 执行。
ML 诱导的高通量试验机器人平台
在此，研讨人员使用 2,1,3-苯并噻二唑（2,1,3-benzothiadiazole，BTZ），一种高性能阳极电解质，具有高度的离域电荷密度和良好的化学稳定性，作为模型 ROM。重点是研讨其在各种有机溶剂中的溶解度，展示机器进修诱导的高通量试验（HTE）机器人平台在加速 NRFB 电解质发现方面的潜力。
图示：基于机器进修（ML）诱导的高通量试验平台的闭环电解质挑选过程示意图。（来源：论文）
具体来说，研讨人员设计了一个闭环溶剂挑选职业过程，由两个连接的模块组成，即 HTE 和 BO。HTE 模块通过高通量机器人平台进行样品制备和溶解度测量。BO 组件由替代模型和采集函数组成，两者共同充当预言机，进行溶解度预测并建议新的评估溶剂。
职业过程如下图所示，具体步骤：
首先，通过 HTE 平台准备 ROM 的饱和溶液和分析样本。接下来，获取这些样品的核磁共振 (NMR) 光谱，并利用光谱数据计算 ROM 的溶解度。然后，该数据集用于训练替代模型，作为 BO 过程的一部分，该模型用于预测搜索空间内未经测试的样本的溶解度。随后，在 BO 框架内利用采集函数来指导新样品的选择，根据预测溶解度值和相关不确定性（即适应度得分）的平衡指导评估，从而简化潜在溶剂的发现和分析。
比手动处理样品快 13 倍以上
自动化平台可以在最少的人工干预下制备溶质过量的饱和溶液和定量核磁共振 (qNMR) 样品。
通过自动化 HTE 职业过程，完成 42 个样品的溶解度测量的总试验时间约为 27 小时（~39 分钟/样本，运行更多样本时每个样本的时间更短）。这比使用「过量溶质」要领手动处理样品快 13 倍以上（每个样品大约需要 525 分钟）。
除了 HTE 系统提供的速度提高外，研讨还非常重视控制试验条件，例如温度（20℃）和稳定时间（8小时），以确保准确测量 BTZ 在各种有机溶剂中的溶解度。
图示：自动化高通量试验 (HTE) 平台概述。（来源：论文）
根据文献综述和对溶剂特性的考虑，研讨人员列出了 22 种 BTZ 潜在候选溶剂。然后，通过将这 22 种单一溶剂成对组合，进一步列举了另外 2079 种二元溶剂，每种溶剂具有 9 种不同的体积分数。
表：22 种候选有机溶剂列表及其理化性质。（来源：论文）
该平台从包含 2000 多种潜在溶剂的综合库中识别出多种溶剂，其原型氧化复原活性分子 2,1,3-苯并噻二唑的溶解度阈值超过 6.20 M。值得注意的是，综合策略需要对不到 10% 的候选药物进行溶解度评估，这凸显了新要领的效率。
图示：通过贝叶斯优化 (BO) 识别所需电解质。（来源：论文）
研讨结果还表明，二元溶剂混合物，特别是那些掺入 1,4-二恶烷（ 1,4-dioxane）的溶剂混合物，有助于提高 BTZ 的溶解度。
总之，研讨展示了用于电解质挑选的 ML 诱导的 HTE 平台，其中 ML 预测和自动化试验协同职业，可有效挑选对 BTZ 具有最佳溶解度的二元有机溶剂。
该研讨不仅有助于连接数据科学和传统试验科学领域，而且还为未来开发专用于电池电解液挑选的自主平台奠定了基础。