一百亿。这就是今天市面上可获取的分子数量。如果以五个为一组进行考察——这是制造电池电解质材料时常用的组合方式——那么可能性将激增至10的47次方。
对于喜欢计算的人来说，这是一个天文数字。
在电池领域，所有这些组合都至关重要。找到合适的电解质材料混合物，就能为电动汽车、电网甚至电动飞机带来充电更快、能量密度更高的电池。但缺点在于？与药物研发过程类似，找到最合适的配方可能需要十多年时间和数千次的失败。
这正是初创公司Aionics的创始人表示他们的AI工具可以加速这一进程的地方。
“问题在于候选者太多，而时间太少。”Aionics联合创始人兼首席执行官Austin Sendek在达拉斯举行的Up Summit活动期间对TechCrunch表示。
电解质，遇见人工智能
锂离子电池包含三个关键组成部分。两侧分别是两个电极：一侧是负极（阳极），另一侧是正极（阴极）。电解质通常位于中间，在充放电过程中充当离子在电极之间移动的载体。
Aionics专注于电解质领域，并利用AI工具包加速发现过程，最终提供性能更优的电池。Aionics在催化剂发现方面的方法也吸引了投资者。这家总部位于帕洛阿尔托的公司成立于2020年，截至目前已筹集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。
该公司已与多家公司展开合作，包括保时捷的电池制造子公司Cellforce。此外，该公司还与储能公司Form Energy、日本材料与化学品制造商昭和电工（现为Resonac）以及电池技术公司Cuberg有过合作。
整个流程始于公司对电池的需求清单或性能指标。Aionics的科学家利用AI加速的量子力学，可以在数十亿已知分子的现有数据库中进行实验模拟。Sendek表示，这使得他们每秒能够评估10,000个候选者。该AI模型学习如何预测下一次模拟的结果，并帮助选择下一个分子候选者。每次运行都会生成更多数据，使其在解决问题方面变得愈发出色。
生成式AI登场
Aionics在某些情况下更进一步，将生成式AI纳入其中。不再依赖已知的数十亿种分子，Aionics今年开始使用基于现有电池材料数据训练的生成式AI模型，为特定应用创建或设计新分子。
该公司通过采用卡内基梅隆大学“加速计算电化学系统发现”项目开发的软件，极大地提升了其工作力度。Venkat Viswanathan曾任卡内基梅隆大学副教授并领导该项目，目前是Aionics的联合创始人兼首席科学家。
Aionics还开始使用基于OpenAI GPT-4构建的大语言模型，帮助科学家在将数百万种可能的配方输入数据库进行测试之前，就将其筛选精简。Sendek解释说，这个聊天机器人工具经过Aionics精选的化学教科书和科学论文训练，并不用于实际的发现过程，但科学家可以利用它排除在某些特定应用中无用的分子。
一旦用这些教科书完成训练，大语言模型便允许科学家对模型进行查询。“如果你能和你的教科书对话，你会问它什么？”Sendek说。但他很快指出，这并没有比人工整理科学论文做出任何不同的事情。“这仅仅是提供了一些更高级的交互方式，”他说，并补充道，所有内容都可以通过回溯用于训练聊天机器人的来源来验证。
“我认为对我们领域有益的是，我们不是在寻找具体的事实，而是在寻找设计原则，”他在解释聊天机器人功能时说道。
选出优胜者
一旦数十亿候选物经过筛选并缩减至仅余几个——或者通过生成式AI模型设计出来——Aionics就会向客户发送样品以进行验证。
“如果我们在第一轮没有成功，我们会迭代，并进行一些临床试验来证明其有效性，直到找到优胜者为止，”Sendek说。“一旦我们找到了优胜者，我们就与制造合作伙伴合作，扩大生产规模并将其推向市场。”
有趣的是，这一流程甚至被应用于水泥等新兴领域。Chement，这是一家由Viswanathan联合创立并与Aionics合作的初创公司，正致力于利用可再生能源和原材料驱动化学反应，以生产零排放产品，如水泥。