美國北卡大學找到氟離子電池的技術突破
https://bit.ly/3LS15EY
如今機器學習已經用於快速發現新材料的工具。近幾年隨著電動車的崛起，有許多機構將
機器學習應用在發現新材料領域，前途看好的氟離子電池材料更成熱門研究領域。許多專
家認為，氟離子電池具備取代鋰基礎電池的機會。
從理論上講，不論是從電動車到消費性電子產品，氟離子系統都是電池的理想選擇。氟離
子的優勢在於重量輕、體積小且高度穩定。氟化物也比鋰離子電池所需的鋰和鈷便宜。此
外，研究表明，氟離子電池比鋰離子技術具有更大的儲存容量潛力。
然而，氟離子電池研究仍處早期，第一個實驗示例是在2011年開始。研究進展也相當緩慢
，因為就目前已知，沒有多少材料可以傳導氟離子，這是關鍵的要求，因為正是離子的運
動使電池進行充電和放電。因此，尋找用於氟離子電池的最佳材料是一項挑戰。
豐田於2020年8月中宣布與京都大學的科學家合作開發一種新的氟離子電池，該電池每單
位重量的能量應該是傳統鋰離子電池的7倍，並且可以使電動車一次充電行駛1000公里。
現在，美國北卡羅萊納州大學Chapel Hill分校Scott Warren實驗室設計了一種使用超級
電腦的機器學習方法，該方法可以快速準確地計算出氟離子在任何已知的含氟晶體中移動
的難易程度。
該團隊最初使用一種常見的分層運算方法來篩選140,000種已知材料的數據庫，將其切割
成10,000種含氟候選物。該團隊表示，由於對氟離子導體的研究不多，從這10,000種導體
中尋找最佳候選者的附加標準是什麼，他們也不清楚。這意味著有希望的材料在被其他標
準識別之前，可能會被單一標準拒絕，因此需要一種新的策略。
因而，其解決方案並非是刪除那一些材料不行，而是對結構進行排序。透過持續研究且了
解氟化物擴散之後，結構排序也會出現變化更新。如今Scott Warren實驗室已經從10,000
名候選者中，隨機選擇了300名，並對每種材料的氟化物傳輸能力進行了準確的計算。
如今找到一種材料是含氟化物的鋅鈦化合物ZnTiF6。這種材料非常便宜，具有出色的氟化
物傳導性能，有望用作氟離子電池的電解質，甚至提交了專利。
總之，除了日本與美國之外，英國和中國也正在研究氟離子電池的未來性，而且機器學習
的模式有機會加速氟離子電池於2030年邁入商業化階段。