讲座背景
由于国家战略层面对于规模储能、电动汽车等应用需求的拉动，新型储能器件的市场规模以接近每年20~30%的速度不断增长。锂离子电池是当前对于发展新能源汽车而言最具实用价值的动力来源，然而其性能还远不能满足未来的电动车市场需求。如何加速新型储能器件的研发，成为电池行业的发展的关键所在。
随着高性能计算、大数据、云计算、机器学习、人工智能（AI）等技术的快速蓬勃发展，许多行业的领导者正使用数字化解决方案重新定义产品创新。通过引入人工智能和虚拟仿真等数字化手段，实现传统经验驱动到数字驱动的研发理念转变，有效降低研发成本，提高研发效率，加快产品上市。这一数字化解决方案也可很好地应用于新型储能器件的研发，快捷地实现基于有限工作量，提高科学生产力，创新行业价值。
创腾科技自主研发的MaXFlow分子模拟与人工智能平台，便可以让科研人员以更高效、灵活地方式将人工智能和虚拟仿真数字化手段应用于新型储能器件的研发。MaXFlow平台基于浏览器-服务器(Browser-Server)架构，融合计算模拟、机器学习和新一代工作流技术，专业的计算模拟以及人工智能专家可以利用MaXFlow，面向创新需求，快速搭建、优化和验证针对不同微观尺度的计算模拟和机器学习预测模型。模拟与人工智能专家还可以把这些预测模型作为研究成果发布到MaXFlow独有的“应用仓库”中，让一线创新的实验科学家能够利用这些成果，更准确的把握创新方向，更快速提升创新效率和能力，同时彰显计算模拟与人工智能专家的在创新过程中的核心价值。
讲座内容：
本次讲座会结合案例+软件实操的方式来跟大家带来MaXFlow的相关分享。
· 人工智能时代新材料的研发模式
· MaXFlow分子模拟与人工智能平台介绍
· MaXFlow-自动化、高通量的材料配方设计与筛选
➤ 虚拟仿真在锂电池研究领域成功应用案例
➤ 模型搭建
➤ 分子枚举虚拟库构建
➤ 模型文件管理
➤ 工作流搭建
➤ 自定义工作流组件
· MaXFlow-人工智能加速模型自由
➤ 机器学习在电池健康评估和电池优化设计应用案例
➤ 数据的获取与处理
➤ 数据分析
➤ 模型的评价
分子枚举
通常情况以添加官能团的方式对分子进行化学改性，当官能团种类以及取代的位点较多时，可能的分子结构也非常多，为了快速获得各种可能的分子结构，MaXFlow可以可根据用户自定义的骨架分子和片段分子，通过分子结构枚举，快速生成大量的结构模型，帮助用户高效地完成高通量虚拟库的构建。
Journal of Power Sources 195 (2010) 1472–1478
电解液筛选
通过MaXFlow平台的量化方法与高通量计算获得分子前线轨道、化学硬度、偶极矩、氧化还原电位等基本参量从而对电解液分子化学活性进行表征。最终可以在众多的电解液分子中筛选出更优的分子结构。
氧化还原电位
通常比较分子前线轨道能量判断其化学活性，为了更可靠的筛选，可以计算分子的氧化还原电位。MaXFlow可以实现不同条件下分子能量的计算与后期的数据处理，计算完成后可以直接输出相应的参数，不需再次的手动处理数据。
锂离子的溶剂化结构
通过分子动力学模拟电池电解液，分析锂离子在不同温度、电解液中配位情况，获取锂离子与电解液分子的配位数。
J. Phys. Chem. C 2017, 121, 16098−16109
离子电导率
离子电导率可以通过分子动力学中离子的均方根位移评价，传统模拟需要分别提交不同条件下的动力学计算任务，通过MaXFlow平台可以实现批量化任务的条件设置与模拟计算。从而将模拟的效率进一步提升。
International Journal of Hydrogen Energy 45(2020) 25960-25969
膜材料力学性质
SEI膜的机械性能决定了其稳定性，通过分子动力学的方法可以获取膜材料的杨氏模量、剪切模量等参数，从而快速评价不同组分膜材料的机械性能。
机器学习应用于电池健康评估和电池优化设计
健康状态估计和最佳电极设计是电池研究中的两个关键挑战，但很少有研究将两者一起讨论。利用机器学习方法可将材料特性纳入健康状态评估，提供材料特征重要性的定量洞察，为电池电极设计提供多目标化优化框架，同时实现长循环寿命、高活性材料负载和快速动力学。（https://doi.org/10.1016/j.apenergy.2021.118165）
