隨著電動車與再生能源的蓬勃發展，全球對電池的需求急速上升。然而，現有的鋰電池面臨資源稀缺、供應鏈集中以及高耗水量的開採問題，限制了能源轉型的永續發展。為了突破這些瓶頸，科學家正借助超級電腦與人工智慧的力量，加速尋找能以鎂、鋅、鋁等豐富金屬為基礎的新一代電池材料。
目錄
鋰電池供應鏈的挑戰
鋰被譽為「白色黃金」，是目前最重要的電池材料。但其稀缺性使得供應不僅昂貴，也易受地緣政治影響。這使得全球各國在推動電動車普及與能源轉型時，必須面臨供應鏈風險。
此外，鋰的開採對環境帶來沉重負擔。單是蒸發池方式的開採，就需要消耗數百萬加侖的水，對乾旱地區的生態造成巨大衝擊。這些現實問題，使得尋找鋰以外的替代材料，成為能源科技發展中不可避免的方向。
尋找鋰的替代方案
科學家開始研究其他更為普遍的金屬，如鎂、鋅和鋁。這些金屬在地球上的儲量極為豐富，分布廣泛，且價格相對低廉。若能將它們應用於新一代電池，不僅能降低對鋰的依賴，也能讓能源儲存技術更具永續性。
這些金屬電池的潛力，來自於它們的多價離子特性。與鋰相比，多價離子電池可能在單位體積內儲存更多能量，這對電動車續航力與電網穩定性有著重大意義。
超級電腦的角色：SDSC Expanse
在這場材料探索中，超級電腦成為不可或缺的利器。美國國家科學基金會（NSF）提供的 EXPANSE 系統，位於聖地牙哥超級電腦中心（SDSC），讓研究人員能模擬與篩選大量潛在材料結構。
這些高效能計算平台能處理龐大的數據，快速模擬材料在不同條件下的穩定性與性能，協助科學家縮短實驗週期，大幅加快新型電池材料的研發進程。
TMOs 的優勢與挑戰
研究團隊鎖定的焦點是 過渡金屬氧化物（TMOs）。這類材料在結構上具有高度多樣性，能提供良好的離子導電性，並容納多種電荷載體，是多價離子電池的理想候選。
然而，正因為 TMOs 的化學組成與晶體結構複雜，傳統的探索方式往往如同「大海撈針」，難以在龐大的材料空間中迅速找到最合適的組合。這正是人工智慧能大展身手的領域。
AI 模型的應用
研究人員結合多種生成式 AI 模型，展開前所未有的材料探索：
- 晶體擴散變分自編碼器（CDVAE）：能生成龐大的候選晶體結構，涵蓋廣闊的化學空間。
- 大型語言模型（LLM）：在生成結構中添加理想屬性，篩選出更接近熱力學平衡、易於合成的材料。
- 原子圖神經網絡（ALIGNN）：精確預測材料的電子與熱力學穩定性，協助縮小篩選範圍。
透過這些模型的協同合作，團隊能有效鎖定最具應用潛力的候選材料，避免傳統實驗的高成本與低效率。
從萬中挑一的篩選過程
一開始，AI 系統分別生成了約 20,000 個候選結構（CDVAE 約 10,000 個，LLM 約 10,000 個）。經過多層次的篩選與模擬後，最終縮減為 CDVAE 的 42 個與 LLM 的 13 個結構。
值得注意的是，兩者各有優勢。LLM 生成的結構更容易在實驗室合成，而 CDVAE 則提供了更多「突破性」的非平衡條件材料，可能成為未來新型電池的關鍵突破。
最有前景的候選結構
研究團隊最終確認了五種最穩定的 TMO 結構。這些結構的共同特徵是：
- 擁有開放式隧道框架
- 能夠有效容納多價離子
- 在模擬測試中表現出良好的結構與熱力學穩定性
透過密度泛函理論（DFT）計算，研究人員進一步驗證了它們在現實中的可行性，證明這些材料確實有望應用於下一代電池。
支持與展望
NJIT 副教授 Datta 強調，NSF 的 ACCESS 計畫對研究而言至關重要，形容其「如同氧氣一般」。沒有這些計算資源，這些突破性的研究將難以實現。
隨著 AI 與超級電腦持續進步，我們正逐步邁向一個不再依賴鋰的未來。這不僅能降低環境負擔，更可能為全球能源轉型提供更安全、穩定且永續的解決方案。
資料來源:
- 電池危機有救了？AI 助攻發現可取代鋰的神祕金屬材料
- SDSC：利用 GenAI 探索新一代電池材料
研磨方面 我們提供客製化調整，可以依加工需求調整比例已達最高效率
歡迎跟我們聯絡，我們會有專人為您解答
如有需要訂製報價也歡迎與我們聯繫
客服時間：周一至周五09:00~18:00
電話：07 223 1058
有想了解的題材或電話說不清楚的都歡迎私訊臉書~~
宏崴臉書：https://www.facebook.com/honwaygroup
您可能感興趣的文章…
[wpb-random-posts]