据最新一期《JACS Au》杂志报道，美国芝加哥大学普利兹克分子工程学院研究团队开发出一种生成式AI系统，可直接生成完整的电池电解液配方，而不仅是寻找单个候选分子。
该AI模型名为ElectrolyteGPT，它不仅能够决定电解液中要使用哪些化学成分，还能同时设计各组分的浓度、混合比例等参数，在离子电导率、氧化稳定性、库仑效率和黏度等多个性能指标之间寻找最佳平衡。团队利用该系统生成了一系列全新电解液配方，并进行了实验验证。结果显示，其中多种配方在锂金属电池中的性能达到当前先进电解液水平。
电池电解液设计面临巨大的“组合爆炸”难题，潜在电解液分子的数量远超宇宙中的恒星总数，如果再考虑不同分子之间的各种配比组合，其可能性几乎无限。传统实验方法难以在如此庞大的化学空间中寻找最优方案，而生成式AI则能够探索此前从未被研究过的区域，并提出全新的候选配方。
不过，现有大多数生成式AI模型最初是为药物研发设计的，生成的往往是适合作为药物的分子。为此，团队专门构建了电解液相关化合物数据库，对模型进行针对性训练，使其能够学习电解液材料的特征并生成符合需求的新分子。
此次研究的一项关键创新，是开发出一种名为“fLine”的新型化学描述语言。现有广泛使用的SMILES语言主要用于描述分子结构，而fLine不仅能够记录化学结构，还可同时包含溶剂比例、盐浓度、温度等配方信息。
借助这一新语言，AI能够将整个电解液体系视为一个整体进行设计，而非仅关注单个分子。该方法不仅适用于电解液开发，也有望推广至其他复杂化学混合体系的设计。
这项成果朝着“完全生成式电解液设计”迈出了重要一步。未来随着训练数据和模型规模进一步扩大，AI有望发现性能超越现有最佳产品的新型电解液，从而加速下一代高性能电池的研发。
