微软加速新电池材料探索，过去以年计的进程只需80秒搞定

80秒完成算法、能态分析、分子动力学计算及实用性评估等新材料筛选程序科学家合成出更稳定、更经济的固态电解质



太平洋西北国家实验室（Pacific Northwest National Laboratory，PNNL）使用微软Azure Quantum Elements服务所提供的AI，将3,200万种可能的电池材料，在短短数十小时内，而非过去动辄好几年的时间，就缩减成18种可以立即进行测试的材料，大幅加速新电池材料的开发进程。

通常，寻找新电池材料的过程始于对当前已发布成果的分析。然而科学家倾向发布成功案例而非失败案例，这导致公开可用的数据难免会有缺漏而不够全面的情况。在微软与PNNL实验室的合作下，微软AI系统根据材料成分制定了一份3,200万笔候选材料的清单。通过算法排除了不稳定化学性质的材料，将清单缩小到50万笔，然后再缩小到800笔。

接着使用HPC高性能计算层对每个候选材料的潜在能态（Energry state）进行更精确的分析。然后结合AI和HPC来运行分子动力学（molecular dynamics）计算，以预测每种材料中原子的运动方式，这正是电池的关键组成部分。

以上过程将清单缩小至150种候选材料，这些材料再经过高性能计算的实用性评估（包括可用性和成本），又将清单缩减到只剩23个条目（其中5个是已知材料，所以最终剩18种可进行测试的新兴材料）。过去这个过程需要在实验室里进行经年累月的试错（trial & error），如今只花了80小时便完成。

科学家随后合成了这些材料，其中包括一种固态电解质，有可能比当今材料更稳定且更具成本效益。该物质含有钠和锂，科学家过去认为这两个元素对电池有害，因为这些原子具有相同的电荷，但大小不同，然而盐（含钠）正在成为未来电池技术的一种吸引人选择。PNNL团队发现这两种元素似乎能互相帮助，借此制造的电池所需锂减少了70%，由于锂比钠贵得多，所以整体成本更低。

对科学家来说，在云计算上提供AI及HPC（甚至量子运算）之类服务与工具可谓一大福利，即使是对身处拥有自己超级计算机之机构中的科学家来说也是如此。但这类云计算资源多半采共享制，因此研究团队可能需要排队等待。如今微软Azure Quantum Elements服务加速了这类科研的开发进程，这尤其对将速度视为关键的科学探索有很大的帮助。