"Die Elektroden müssen gleichzeitig sehr unterschiedliche Eigenschaften erfüllen. Sie stehen immer im Konflikt miteinander", sagte Ritesh Kumar, ein Eric und Wendy Schmidt AI in Science Postdoctoral Fellow an der University of Chicago.
Im April 2025 stellten Forscher der Pritzker School of Molecular Engineering (UChicago PME) der University of Chicago ein neues KI-Framework vor, um die Entdeckung von Batterieelektrolyten zu beschleunigen. Dieses Framework gleicht Ionenleitfähigkeit, oxidative Stabilität und Coulomb-Effizienz aus, um vielversprechende Moleküle zu identifizieren.
Die KI, die mit einem Datensatz von 250 Forschungsarbeiten trainiert wurde, weist Molekülen einen "eScore" zu und prognostiziert deren Eignung als Elektrolyte. Die KI hat bereits ein Molekül identifiziert, das genauso gut funktioniert wie Top-Elektrolyte, was einen bedeutenden Fortschritt in der Batterietechnologie darstellt. Dies reduziert die Abhängigkeit von Versuch und Irrtum und spart Zeit und Ressourcen.
Die KI kann Milliarden potenzieller Moleküle durchsuchen, eine Aufgabe, die für Menschen unmöglich ist. Die Forscher wollen eine KI entwickeln, die völlig neue Moleküle mit den gewünschten Eigenschaften entwerfen kann. Dies könnte das Batteriedesign für Elektrofahrzeuge, Telefone und netzgebundene Energiespeicher revolutionieren.
Jeffrey Lopez von der Northwestern University betont, dass datengesteuerte Frameworks entscheidend sind, um die Entwicklung von Batteriematerialien zu beschleunigen. Das Team arbeitet nun daran, die Fähigkeit der KI zu verbessern, unbekannte Materialien zu identifizieren, wodurch ihre Designfähigkeiten weiter verbessert werden.