Episode Details

Эта научная статья посвящена инновационному методу ускоренного поиска полимерных электролитов для создания более безопасных и эффективных аккумуляторов. Исследователи объединили машинное обучение на основе байесовской оптимизации с высокопроизводительным компьютерным моделированием, чтобы проанализировать миллионы потенциальных химических соединений. В ходе работы было детально изучено более семисот кандидатов, среди которых выявлены структуры, значительно превосходящие существующие промышленные стандарты по проводимости ионов. Ученые установили, что наличие кетоновых групп и разветвленная архитектура молекул существенно улучшают транспортные характеристики материала. Итогом работы стала открытая программная платформа, предназначенная для автоматизации разработки новых типов твердотельных источников энергии.