十亿。这就是当今可用于商业用途的分子数量。如果把它们分成五组（用于制造电池电解质材料的典型组合），数量就会增加到 10 的 47 次方。
对于数数的人来说，这是一个不小的数字。
在电池世界中，所有这些组合都很重要。找到合适的电解质材料混合物，就能为电动汽车、电网甚至电动飞机提供充电速度更快、能量密度更高的电池。
缺点是什么？
与药物发现过程类似，可能需要十多年的时间和成千上万次的失败才能找到合适的材料。
初创公司Aionics的创始人表示，他们的人工智能工具可以加快这一进程。
Lenson Pellouchoud 博士，联合创始人兼首席技术官；Austin Sendek 博士，联合创始人兼首席执行官；Venkat Viswanathan 博士，联合创始人兼首席科学家。
电解质材料xAI
锂离子电池包含三个关键组成部分。电池有两个电极，一边是阳极（负极），另一边是阴极（正极）。电解质通常位于中间，在充电和放电时充当离子在电极间移动的信使。
Aionics 专注于电解质，并使用人工智能工具包来加速发现新方案，最终提供更好的电池。
Aionics 的催化剂发现方法也吸引了投资者。这家位于帕洛阿尔托的初创公司成立于 2020 年，迄今已融资 350 万美元，其中包括来自 UP.Partners 等投资者的 320 万美元种子轮融资。
这家初创公司已经与多家公司开展了合作，其中包括保时捷的电池制造子公司 Cellforce。该公司还与储能公司Form Energy、日本材料和化学品制造商昭和电工（现为Resonac）以及电池技术公司Cuberg进行了合作。
Aionics 公司的科学家利用人工智能加速的量子力学，可以在一个包含数十亿已知分子的现有数据库中进行实验。
森德克说，这使他们每秒钟就能考虑 10,000 种候选分子。人工智能模型可以学习如何预测下一次模拟的结果，并帮助选择下一个候选分子。每运行一次，就会产生更多数据，从而更好地解决问题。
引入生成式人工智能
在某些情况下，Aionics 将生成式人工智能（Generative AI）引入其中，从而在这方面更进一步。Aionics 公司今年开始使用在现有电池材料数据基础上训练出来的生成式人工智能模型，来创建或设计针对特定应用的新分子，而不是依赖数十亿种已知分子。
该公司正通过使用卡内基梅隆大学加速计算电化学系统发现项目开发的软件，为自己的努力增添动力。曾在卡内基梅隆大学担任副教授并领导该计划的 Venkat Viswanathan 是 Aionics 公司的联合创始人兼首席科学家。
Aionics 还开始使用基于 OpenAI 的 GPT 4 建立的大型语言模型，帮助其科学家在开始通过数据库运行之前筛选出数百万个可能的配方。
森德克解释说，这个聊天机器人工具是根据 Aionics 选定的化学书籍和科学论文进行训练的，科学家们可以用它来剔除某些在特定应用中没用的分子。
选出优胜者
一旦筛选出数十亿种候选材料并将其范围缩小到仅剩几种，或者使用生成式人工智能模型设计出几种候选材料，Aionics 就会向客户发送样本进行验证。
森德克说："如果第一轮没有成功，我们就会进行迭代，并进行一些试验来证明，直到我们找到适合的材料。"一旦找到，我们就会与生产合作伙伴合作，扩大生产规模并将其推向市场。
这种工艺甚至被用于水泥等一些新领域。维斯瓦纳坦与Aionics合作创办的初创公司Chement正在研究如何利用可再生电力和原材料来驱动化学反应，以制造水泥等零排放产品。
