生成式AI技术的应用正在各行各业崭露头角。在医药领域，凭借AI强大的算力，药品研发近几年的效率大幅提高，成本显著降低。
相似地，在电池材料研发中，AI也发挥巨大作用。
研发人员输入对电池性能的要求，AI通过模拟计算在数十亿个材料组合中快速筛选出最优的候选材料，或者，直接设计出针对特定电池的全新材料。
传统电池电解质发现的难点
目前商业上可获得的候选分子达100亿之多，如果考虑5个为一组电池电解质材料中的典型组合那么组合数量将达到10的47次方。
换句话说，就是很多很多。
所有这些组合对电池研发都很重要。只要研发人员找到正确的电解质材料混合物，就可以为电动汽车、电网甚至电动飞机制造出充电速度更快、密度更高的电池。缺点是，与传统药物研发过程类似，找到正确的配方可能需要历经十多年和成千上万次失败。
创业公司Aionics的创始人表示，他们的AI工具可以加速这一过程。
Aionics联合创始人兼首席执行官Austin Sendek在最近的达拉斯UP峰会上对媒体表示:
问题是候选太多，时间却不够。
当电解质遇见AI
锂离子电池包含三个关键构建块分别是两极电极和电解质：一侧是负极，另一侧是正极，电解质通常位于中间，在充放电时移动在电极之间传递离子。
Aionics专注于利用AI工具包来加速电解质的发现过程，最终提供质量更高的电池。这家成立于2020年的初创公司，迄今已融资350万美元，包括来自UP.Partners等投资者的320万美元种子轮融资。
目前，Aionics已经与保时捷电池制造子公司Cellforce、储能公司Form Energy、日本材料和化学制造商昭和电工(现为Resonac控股)以及电池技术公司Cuberg建立合作伙伴关系。
Aionics研发人员利用AI加速的量子力学，可以在现有的数十亿已知分子数据库上运行试验。
Sendek说，这使他们能够每秒筛选1万个候选分子。该AI模型学习如何预测下一次模拟的结果，并帮助选择下一个候选分子。每运行一次，就会生成更多数据，并在解决问题方面变得越来越强。
在某些情况下，Aionics已经通过将生成式AI引入其中将这一过程提升到了一个新的层次。与依赖数十亿已知分子不同，Aionics从今年开始使用在现有电池材料数据上训练的生成式AI模型来创建或设计针对某一特定电池的新材料。
Aionics通过使用卡内基梅隆大学加速计算电化学系统Discovery项目组开发的软件，来优化发现过程。另外该公司还开始使用基于GPT 4构建的大型语言模型（LLM），帮助研发人员在工具开始运行之前就将可能的配方减少数百万个。
Sendek解释说，GPT-4经过了Aionics的化学和科学论文训练，不能用于实际发现，但可以用来排除某些无用的分子。
在候选分子从数十亿缩小至几个亿后或使用生成式AI模型设计出来之后，Aionics会将样本发送给客户进行验证。
Sendek说:
如果第一轮没有成功，我们会迭代，并进行一些临床试验来证明，直到找到最佳候选分子。一旦找到优胜者，我们将与制造合作伙伴合作，扩大其制造规模并推向市常
