歴史的に、材料発見の研究者は、直感、情報に基づいた推測、および試行錯誤を組み合わせてオプションを考案し、テストしてきました。 しかし、可能性のある物質や組み合わせが膨大にあることを考えると、これは困難で時間のかかるプロセスであり、研究者を多くの誤った道に導く可能性があります.
電解質成分の場合、「何十億もの方法で組み合わせることができます」と、カーネギー メロン大学の准教授であり、Nature Communications の論文の共著者であり、Aionics の共同創設者兼主任科学者である Venkat Viswanathan は言います。 彼は、大学のウィルトン E. スコット エネルギー イノベーション研究所のディレクターであり、プロジェクトの共同主任研究者であるジェイ ウィテカーと協力して、他のカーネギー研究者とともに、ロボット工学と機械学習がどのように役立つかを探りました。
Clio や Dragonfly のようなシステムの約束は、人間の研究者ができるよりも幅広い可能性を迅速に処理し、学んだことを体系的な方法で適用できることです。
Dragonfly には化学物質や電池に関する情報が備わっていないため、研究者が最初の混合物を選択したという事実以外に、その提案に大きな偏りはありません、と Viswanathan は言います。 そこから、オリジナルの軽度の改良から完全に独創的な提案まで、さまざまな組み合わせを実行し、プログラムされた目標に対してますます良い結果をもたらす成分の組み合わせに焦点を合わせます.
電池実験の場合、カーネギー メロン大学のチームは、電池の充電時間を短縮する電解液を探していました。 電解質溶液は、電池内の 2 つの電極間でイオン (電子の損失または獲得による正味の電荷を持つ原子) を往復させるのに役立ちます。 放電中、リチウム イオンはアノードと呼ばれる負極で生成され、溶液を通って正極であるカソードに向かって流れ、そこで電子を獲得します。 充電中は、そのプロセスが逆になります。