大約在今年年初，卡內基-梅隆大學的研究人員使用機器人系統又進行了幾十次實驗，以創造能讓鋰離子電池更快充電的電解質。這是廣泛採用電動汽車的一個主要障礙。他們研發的Clio系統，包括自動泵、閥門和儀器，將各種化學品混合在一起，然後根據關鍵的電池基準測量其性能。這些結果隨後被輸入Dragonfly，這是一個機器學習程序，可以提出可能更有效的不同化學組合。

根據發表在《自然通訊》上的一篇論文，該系統產生了六種電解質，當卡內基大學的研究人員將它們放入小型測試電池時，它們的表現優於標準電解質。最好的一種比表現最好的基線電池單元提高了13%。開發更好的電解質對於提高電池的性能、安全性和成本至關重要。因為它們減少了在充電站長時間等待的不便，更快的充電電池可以使電動汽車和卡車更具吸引力。

材料發現一直是一個依靠直覺、知情推測、反複試驗的過程。由於有許多可能的組合和物質，它可能是費時和困難的。研究人員可能最終走上許多錯誤的道路。近年來，研究實驗室越來越多地將自動化系統與機器學習軟件結合起來，機器學習軟件能夠識別數據模式，並在指定的任務上有所改進。這使他們能夠開發出最適合於特定應用的材料。

Dragonfly這樣的系統可以迅速探索更廣泛的可能性，然後以系統的方式應用它所學到的東西。Dragonfly沒有任何關於化學和電池的信息，所以它的建議不會有偏見。研究人員選擇第一種混合物。然後，它探索各種組合，包括對原有的溫和改進和全新的建議。最後，它確定了能實現其目標的最佳成分組合。

Dragonfly測量並尋求優化的關鍵指標之一是”離子傳導性”，或離子在溶液中流動的便利程度，這直接影響到電池充電的速度。但是，商業電解質必須能夠在一系列的衡量標準中表現良好。這包括總的生命週期、功率輸出和安全性。一個領域的改進往往可能導致其他領域的問題。

在未來，卡內基梅隆大學的研究人員計劃改進機器學習工具並加速機器人實驗。他們還希望以多個目標而不是一個性能目標進行實驗。機器學習和自動化將允許更快地發現新的突破性材料。這將幫助世界減少與氣候有關的排放。