东京理科大学的研究人员采用了一种基于机器学习的方法来开发高效钠离子电池。
小叶新一(Shinichi Komaba)牵头的这个团队目的是提高钠离子电池能源密度，这是制定可负担、可持续能源存储方案的关键目标。
钠离子电池已经问世很长时间，但大规模开发应用已经停止，人们更喜欢锂离子电池。目前，这项技术被重新谈起。与锂离子电池不同的是，钠离子电池材料分布广泛，使其成为可再生能源和电动汽车应用最有吸引力的选项。钠存在于岩盐和卤水中，非常适宜于储能和电动汽车，因为同目前电池市场主体锂电池相比其成本低且更易获取。尽管在化学性质和结构上同锂相似，钠还没有广泛的利用，部分原因是同样大小的锂电池续航里程长、性能更强。
这项研究的重点是设计钠基层状氧化物，探索一系列金属组合已实现最佳电池性能。通过训练基于实验数据的机器学习模型，该团队成功地选定了一种有效的金属比例，相关金属包括锰、镍、钛和铁。这种开创性的工艺能够使人们采用数据驱动的快速路径来开发稳定的电池材料，与传统的试错法相比省时省钱。此发现发表在《材料化学杂志(A辑)》(Journal of Materials Chemistry A)，标志着迈向更容易获得的储能解决方案迈出了重要的一步，可以利用丰富的钠来替代锂。
小叶新一在声明中称，“机器学习在电池研发中的成功应用可作为其他领域材料开发的范例，有可能加快更大范围材料科学领域的创新”。
