颠末锻炼后，人工智能系统能够按照预测的表示对候选进行评分，包罗一些它从未碰到过的。该模子正在一种环境下确定了一种取现有最佳贸易电池电解质相婚配的。

　　据报道，该团队于2020年起头手动办理人工智能锻炼数据集，从50多年的电池研究中提取了数千种潜正在化合物，数字和图表中。因为大大都大型言语模子只能注释文本，它们必需手动输入值，这涉及到凸起显示它们所凸起的内容，这很是耗时。

　　“我们不成能正在研究了数亿种化合物后说，‘哦，我认为我们该当研究这个，’”Amanchukwu说。

　　他们进一步注释说，仅通过尝试室测试来摸索每种可能的电解质组合几乎是不成能的，潜正在候选的数量估量高达10⁶⁰。

　　虽然数据集规模很大，但研究人员强调，锻炼模子只是一个起头。为了测试其实正的潜力，人工智能被评估为以前从未见过的。它正在化学上取已知化合物类似的化合物上表示优良，但正在不熟悉的化合物上表示欠安。该团队正专注于降服下一个严沉挑和，包罗锻炼人工智能模子，以精确预测完全不学空间中的表示。这是推进下一代电池设想的主要一步。

　　Amanchukwu正在一份旧事稿中说：“即便是今天的模子也很难从图像中提取数据。”他弥补说，因为格局问题，手动输入数据是需要的，由于环节消息凡是嵌入正在图像中，而不是文本中。

　　就像音乐保举算法一样，人工智能进修模式来预测最有但愿的。Amanchukwu暗示，下一步是开辟一种人工智能，它不只能够挑选歌曲，还能够建立播放列表，从而为设想全新的铺平道。

　　操纵人工智能和机械进修，该系统评估电解质的三个环节机能尺度，包罗离子电导率、氧化不变性和库仑效率，这些特征凡是难以同时优化。

　　美国研究小组开辟了一种基于人工智能的框架，能够通过识别具有抱负电解质特征的来加快下一代电池的开辟。他们利用一种名为“eScore”的目标来评估和排名潜正在的电池电解质候选物。

　　为了成立锻炼数据集，研究人员手动编译了跨越250项科学研究的数据，这些研究逾越了50多年的锂离子电池研究。很多相关消息仅以图像形式存正在，都需要手工输入。