"Elektroda harus memenuhi sifat yang sangat berbeda pada saat yang sama. Mereka selalu bertentangan satu sama lain," kata Ritesh Kumar, seorang Eric dan Wendy Schmidt AI in Science Postdoctoral Fellow di Universitas Chicago.
Pada April 2025, para peneliti di Sekolah Teknik Molekuler Pritzker Universitas Chicago (UChicago PME) meluncurkan kerangka kerja AI baru untuk mempercepat penemuan elektrolit baterai. Kerangka kerja ini menyeimbangkan konduktivitas ionik, stabilitas oksidatif, dan efisiensi Coulomb untuk mengidentifikasi molekul yang menjanjikan.
AI, yang dilatih pada dataset dari 250 makalah penelitian, memberikan "eScore" ke molekul, memprediksi kesesuaiannya sebagai elektrolit. AI telah mengidentifikasi molekul yang berkinerja sebaik elektrolit terbaik, menandai kemajuan signifikan dalam teknologi baterai. Ini mengurangi ketergantungan pada coba-coba, menghemat waktu dan sumber daya.
AI dapat menyaring miliaran molekul potensial, tugas yang mustahil bagi manusia. Para peneliti bertujuan untuk mengembangkan AI yang dapat merancang molekul yang sama sekali baru dengan sifat yang diinginkan. Ini dapat merevolusi desain baterai untuk kendaraan listrik, telepon, dan penyimpanan energi skala jaringan.
Jeffrey Lopez dari Northwestern University menekankan bahwa kerangka kerja berbasis data sangat penting untuk mempercepat pengembangan material baterai. Tim sekarang sedang berupaya meningkatkan kemampuan AI untuk mengidentifikasi material yang tidak dikenal, yang selanjutnya meningkatkan kemampuan desainnya.