美国北卡大学找到氟离子电池的技术突破
https://bit.ly/3LS15EY
如今机器学习已经用于快速发现新材料的工具。近几年随着电动车的崛起，有许多机构将
机器学习应用在发现新材料领域，前途看好的氟离子电池材料更成热门研究领域。许多专
家认为，氟离子电池具备取代锂基础电池的机会。
从理论上讲，不论是从电动车到消费性电子产品，氟离子系统都是电池的理想选择。氟离
子的优势在于重量轻、体积小且高度稳定。氟化物也比锂离子电池所需的锂和钴便宜。此
外，研究表明，氟离子电池比锂离子技术具有更大的储存容量潜力。
然而，氟离子电池研究仍处早期，第一个实验示例是在2011年开始。研究进展也相当缓慢
，因为就目前已知，没有多少材料可以传导氟离子，这是关键的要求，因为正是离子的运
动使电池进行充电和放电。因此，寻找用于氟离子电池的最佳材料是一项挑战。
丰田于2020年8月中宣布与京都大学的科学家合作开发一种新的氟离子电池，该电池每单
位重量的能量应该是传统锂离子电池的7倍，并且可以使电动车一次充电行驶1000公里。
现在，美国北卡罗莱纳州大学Chapel Hill分校Scott Warren实验室设计了一种使用超级
电脑的机器学习方法，该方法可以快速准确地计算出氟离子在任何已知的含氟晶体中移动
的难易程度。
该团队最初使用一种常见的分层运算方法来筛选140,000种已知材料的数据库，将其切割
成10,000种含氟候选物。该团队表示，由于对氟离子导体的研究不多，从这10,000种导体
中寻找最佳候选者的附加标准是什么，他们也不清楚。这意味着有希望的材料在被其他标
准识别之前，可能会被单一标准拒绝，因此需要一种新的策略。
因而，其解决方案并非是删除那一些材料不行，而是对结构进行排序。透过持续研究且了
解氟化物扩散之后，结构排序也会出现变化更新。如今Scott Warren实验室已经从10,000
名候选者中，随机选择了300名，并对每种材料的氟化物传输能力进行了准确的计算。
如今找到一种材料是含氟化物的锌钛化合物ZnTiF6。这种材料非常便宜，具有出色的氟化
物传导性能，有望用作氟离子电池的电解质，甚至提交了专利。
总之，除了日本与美国之外，英国和中国也正在研究氟离子电池的未来性，而且机器学习
的模式有机会加速氟离子电池于2030年迈入商业化阶段。