鋰離子電池電解液中可供使用的潛在配方和添加劑數量巨大，嚴重阻礙了新產品快速研發的步伐 利用 BIOVIA Pipeline Pilot，借助機器學習算法助力配方設計 ? 針對現有配方進行自動化多參數優化 ? 將專業的化學領域知識融入機器學習算法中 ? 加快創建新產品線創新設計領域拓展的速度 ? 深入挖掘現有數據推動未來研發決策 近年來，鋰離子電池 (LIB) 改變了電力的儲存方式，同時也為許多不可或缺的技術提供了支持。因此，人們日益發現越來越多的行業開始應用鋰離子電池：消費類電子產品、醫療保健、汽車、軍事、航空航天等。 為了滿足不斷增長的需求，并在激烈的競爭中搶占先機，一家卓越的的鋰離子電池生產商成立了全球研發中心，積累了數十年電池設計方面的寶貴經驗。他們的全球影響力使得這些研發團隊能夠在出現新的細分市場時快速應對，不僅影響新技術的開發，還直接改善了全球數百萬人的生活。 紛繁復雜的使用場景需要具有相應功能的鋰離子電池來匹配。因此，每種鋰離子電池都必須針對一系列性能指標進行優化，包括能量密度、電池使用壽命和安全性。 為了實現這些目標，目前的研究將重點放在引入新的負極和正極材料或設計新配方電解液上。例如，為了降低舊款 LIB 鋰離子電池潛在的起火隱患，該電池生產商探索了在電解液中使用揮發性較低的溶劑或添加阻燃添加劑來提高整體閃點的方案。 但與此同時，研發人員需要確保新配方或添加劑不會降低電池原有的電化學性能。這就意味著還需要考慮其他相關特性，例如鋰離子在電解液中的滲透性能。如此多的參數進行組合將為每個新電池項目創造出巨大的可選配方樣本空間。 如此龐大的潛在電解液配方如何進行快速篩選是企業所面臨的重大挑戰。特別是在保持研發按計劃完成且不超過預算的前提下。這意味著在實驗室中只能實際測試計劃設計空間中的一小部分配方，這大大限制了對電解液新配方的探索。 由于他們用于規劃新配方的大部分實驗設計 (DoE) 流程主要依賴專家知識，因此許多具有潛在應用價值的配方、新溶劑和新添加劑都未能進行測試。為了最大限度地發揮新配方項目的潛力，還需要采用其他方法來簡化 DoE 流程，擴大早期配方設計的范圍，并降低成本。 為了解決這一問題，研發團隊決定首先通過性質預測拿到最有可能成功的配方和添加劑，來幫助改善 DoE 流程，以更好地進行物理測試。他們所建立的第一個模型著眼于最大限度地提高電解液的閃點，同時優化三個鋰離子傳輸特性：鋰離子擴散系數、離子電導率和離子轉移數。 達索系統BIOVIA Pipeline Pilot 為此數據科學方案提供了完整工具集。它幫助數據科學團隊進行多源數據整合，匯總和混合現有的電池性能數據用于創建訓練集。此外，它還能夠自動執行數據清理流程，移除重復值和異常值，并通過 K-近鄰算法估算并填充缺失值。所有這些步驟都可以通過 Pipeline Pilot 的圖形用戶界面在一個單一工作流中完成，從而使數據科學團隊可清晰地了解數據是如何在整個組織內獲取和處理的。 為構建機器學習模型而準備好現有配方的數據后，團隊就開始著手解決如何高效引入降低閃點新型添加劑進行研究的問題。 借助 Pipeline Pilot，研發團隊可以計算各種配方電解液的電化學特性，例如對鋰離子滲透性的影響。該團隊結合了實驗和仿真數據，預測每種添加劑對鋰離子擴散系數所產生的不同影響。通過類似的方式，他們還可以推導了電解液配方的其他特性，如電解液中的鋰離子電導率和鋰離子的轉移數。 這些值使得他們能夠篩選目前已有的潛在添加劑庫，并創建新的添加劑，所產生的模型使研發人員能夠更深入地了解電池的分子組成和圍觀結構的變化與性能之間的潛在關系。這是對潛在的可提高鋰離子電池安全性的新型電解液配方的有力補充，同時也為未來優化其他特性的實驗奠定了基礎。 “Pipeline Pilot 一直是幫助我們的團隊擴大數據科學工業應用落地范圍的關鍵工具。老實說，已經無法想象我們要是回到以前會怎樣。” ——全球鋰離子電池生產商首席配方化學家 借助這些數據集，Pipeline Pilot 使數據科學家能夠構建、訓練和測試機器學習模型，通過生成的模型來預測配方性能，從而在保持高鋰離子擴散系數的同時，最大限度地提高電解液的閃點。 Pipeline Pilot 提供一整套機器學習工具集。開發人員可以直接比較不同的算法，以便預測候選電解液配方的閃點，并選擇最能滿足其需求的特定算法。在這種場景下，研發團隊考慮了隨機森林、遺傳函數算法和深度神經網絡三種機器學習算法，其中隨機森林算法生成的模型效果最優。通過將此數學模型與預測添加劑性能的化學模型相結合，研發人員可以自動化創建和預測數千種潛在電解液配方的性能，包括引入新添加劑的電解液配方。 然后，他們使用帕累托 (Pareto) 排序算法篩查這些配方，確定給定鋰離子擴散系數下閃點最低的配方，以進行實驗室測試。這些結果還可進一步用于預測電芯其他電化學性能的模型進行參數化。 利用 Pipeline Pilot，這家鋰離子電池生產商能夠高效地簡化實驗設計 DoE，從而幫助研發人員找出最有可能成功的潛在配方。在這種情況下，他們發現使用一種新型共混添加劑可以顯著提高電解液的閃點。該混合物僅略微影響系統的總體鋰離子擴散系數，隨后實驗對這點進行了驗證。 此外，由于這些模型是基于現有數據構建的，并且隨著新的物理和仿真數據的獲取可以定期進行模型的重新訓練，因此研發人員會對他們生成的預測越來越充滿信心。研發領導層也很樂于看到其現有知識庫價值的增加。 放眼未來，在 Pipeline Pilot 中開發的工作流可以輕松進行共享和再利用來針對其他特性對新配方進行優化，并以此確定更優化的方案。到目前為止，該團隊正在構建可用于預測電解液電化學穩定窗口的模型，專注于進一步優化鋰離子電池安全性，同時確保延長電池的總體使用壽命。他們將通過對現有的工作流進行擴展，實現快速創建服務于產品全新設計目標的配方研發流程，從而幫助企業更高效地擴展產品組合。 總而言之，BIOVIA Pipeline Pilot 幫助這家鋰離子電池生產商改進了其實驗設計 DoE，引入了全新的配方設計流程。最重要的是，他們成功地完成了最關鍵的任務，也就是通過調整電解液配方來提高下一代電池的安全性能。客戶：某國際鋰離子電池生產商
挑戰：簡化新配方的研發
借助機器學習加強配方設計篩選
卓越成果：靶向配方研發
