IT之家 9 月 3 日消息，美国阿贡国家实验室（Argonne National Laboratory）的研究人员将近期完成升级的先进光子源（Advanced Photon Source, APS）与“极光”E 级超级计算机（Aurora exascale supercomputer）相结合，旨在加快高性能电池的研发进程。

这两大设施协同发力，有望彻底改变科学家设计、测试和优化储能技术的传统模式。

据IT之家了解，该项目的长期目标是构建一个“自主研发循环”：人工智能（AI）将在这一体系中发挥关键作用，借助上述两大设施开展试错实验，对新研发的电池材料进行分析。

这一研发循环将实现高度自动化运行，仅需极少人工干预。由此，电池研究周期有望从过去的数年缩短至数天或数周。

为何亟需加速电池研发？

当前，新型电池材料的需求正呈爆发式增长。从电动汽车、电网储能，到航空、海事保障及便携式电子设备，电池已成为支撑现代社会能源未来的核心。

为满足日益增长的电池需求，研究人员必须在电池性能、安全性和成本控制方面实现突破，从而降低对关键矿产资源的依赖。

阿贡国家实验室能源储存科学协作中心（Argonne Collaborative Center for Energy Storage Science, ACCESS）主任文卡特・斯里尼瓦桑（Venkat Srinivasan）表示：“无论是陆、空、海上的交通出行，还是电网、便携式电子设备等领域，电池都将是驱动现代社会运转的关键技术。”

先进光子源与“极光”：强强联合的“黄金搭档”

先进光子源（APS）是美国能源部科学办公室（DOE Office of Science）下属的用户共享设施，最近完成了一次全面升级，将其 X 射线束的亮度提升了高达 500 倍。

这一突破性升级让研究人员能够以前所未有的细节观察电池材料 —— 不仅能分析正极和负极的特性，还能捕捉可能影响电池性能的微小结构缺陷。

阿贡国家实验室 X 射线科学家斯特凡・福格特（Stefan Vogt）解释称，升级后的 APS 可实时观测电池充放电过程中的动态变化，且精度远高于以往。

“升级后的 APS 让相关研究技术的效率大幅提升，我们现在能更贴近实际应用场景，对电池的工作状态进行观察。”他说道。

“极光”超级计算机的强大支撑

在这一协作体系中，“极光”超级计算机负责处理计算任务，其配备了超过 6 万个图形处理器（GPU），每秒可完成超过 10 的 18 次方次计算，是全球运算速度最快的 E 级超级计算机之一。

“极光”能够大规模处理人工智能和机器学习任务，助力研究人员实时处理和分析海量数据流。

据估算，先进光子源（APS）每年在各科学领域产生的数据量将超过 100 拍字节（petabyte）——1 拍字节的数据容量约相当于存储 1 万至 10 万个“人类大脑”所包含的信息。

为打通数据传输通道，阿贡国家实验室在 APS 与“极光”之间搭建了每秒 1 太比特（terabit）的高速网络连接，确保数据实现无缝、高速传输。这一技术支持让研究人员能在实验进行的同时，同步处理产生的数据。

“这为实验提供了快速反馈和调整的可能，非常令人振奋，”福格特表示，“我们能节省宝贵的光束使用时间。”

阿贡国家实验室设想打造一个“自主实验室”：新研发的电池材料将通过 APS 进行测试，数据由“极光”实时分析。借助“AuroraGPT”等 AI 模型，该系统还能预测并推荐下一步值得研究的材料。

“透视”电池内部的奥秘

升级后 APS 的超高分辨率，让科学家能够追踪电池内部电子、离子的运动，以及原子层面的变化。

先进的 X 射线光谱技术可揭示镍、钴、锰等常见正极材料的电子状态，帮助研究人员理解这些元素在电池充放电过程中的行为规律。

叠层成像（Ptychography）是另一项极具潜力的技术，无需传统透镜就能生成超高清晰度的图像。

借助阿贡国家实验室研发的机器学习模型“PtychoNN”，科学家可从干涉图案中实时重建图像，而“极光”超级计算机将大幅加速这一过程。

阿贡国家实验室 X 射线科学家马克・沃尔夫曼（Mark Wolfman）解释道：“叠层成像技术不依赖传统透镜，而是利用光束的相干性工作。我们通过探测器捕捉复杂的干涉图案，再从中提取出图像信息。”

他进一步补充：“在探测器上，你看不到被观测物体的直接影像，只能看到一系列干涉图案。我们需要通过反向推导，才能还原出物体的真实图像。”