據了解，日前該團隊將他們的研討成果發表在《能源與環境科學》雜志上。文章顯現，科學家們并沒有運用傳統的隨機測驗單個化合物的辦法來尋找新的固體電解質資料，而是運用了人工智能和機器學習，通過實驗數據構造猜測模型。他們訓練了一種計算機算法，根據現有的數據，去學習怎么辨認化合物的好壞。這個進程和人臉辨認算法，在觀察幾個典范后，去辨認人臉的進程很相似。

論文的第一作者、研討的帶頭人、應用物理學博士研討生AustinSendek表明：現有的含有鋰元素的化合物數量是數以萬計的，絕大多數是未經測驗的。其中的一些可能是性能優異的導體。咱們開發了一個計算模型，有關咱們現有的有限數據進行學習，從大規模的數據庫中，選擇出合適的資料。這種選擇辦法的速度是現有選擇辦法的百萬倍。

為了設計這個模型，AustinSendek花費了差不多兩年時刻，搜集了有關含有鋰元素的固體化合物的簡直所有科學數據，然后通過這些數據對待選固體化合物的穩定性、本錢、豐富度、鋰離子的導電性等許多理化屬性進行了評測，終究選擇出了21種最合適的固體電解質資料。

AustinSendek表明：咱們選擇了超過12,000種含有鋰元素的化合物，終究找到了21種作為固體電極的理想資料。選擇只要花費幾分鐘。我絕大多數的時刻，實際上是用于搜集和管理所有的數據，開發有關猜測模型更牢靠的衡量機制。

研討人員未來計劃在實驗室環境下測驗這21種資料，進一步確認它們是否是實際情況下的最佳選擇。

有關這項研討的意義和未來，論文的另一位作者，資料科學和工程專業的助理教授EvanReed表明：咱們的方法可以處理有關資料的許多問題，有助于新增這個范疇的研討出資用途。隨著實際國際中數據量的上升和計算機性能的提高，咱們的創新能力將以指數方式新增。無論是鋰離子電池、燃料動力電池仍是其他的各種電池，這個范疇的研討都具有重大的意義。