在丰田研究院的支持下麻省理工学院的教师将专注于下一代储能

作为由丰田研究院(TRI)发起的3500万美元材料科学发现计划的一部分，麻省理工学院附属的三个研究团队将获得约1000万美元的资金。提供四年多的时间，对麻省理工学院研究人员的支持将主要针对科学发现和推进支持移动和自治系统未来的技术：能量存储。

麻省理工学院的MartinBazant，斯坦福大学和普渡大学的同事们将共同致力于开发一种新颖的数据驱动锂离子(Li-ion)电池设计。这些用于手机和混合动力汽车的储能器具有实用性，但由于其电化学的基本复杂性而变得复杂。利用纳米级可视化技术，首次揭示了锂离子粒子如何实时充电和放电，与他的理论预测非常一致，Bazant将利用机器学习开发可充电电池的可扩展预测建模框架。

“通过将机器学习方法应用于充电电池内部工作的这些视频-使用每个像素和每个帧作为测量-我们可以梳理出更适合实验数据的模型，”EGRoos(1944)教授Bazant说。化学工程系和数学教授。“这种方法有可能通过将原子与宏观特性联系起来，并更普遍地推进电化学材料来统一能源材料设计。”

除了Bazant的努力，其中还包括合作者RichardBraatz，EdwinR.Gilliland教授，另外两个麻省理工学院附属项目将得到TRI的支持。环境系统的Morton和ClaireGoulder和家庭教授JeffreyGrossman以及WMKeck能源教授YangShao-Horn将领导最大的资助项目，专注于锂电池的聚合物稳定性和导电性的设计原则。该团队还包括化学系芬美意职业发展副教授JeremiahA.Johnson和化学助理教授AdamWillard以及机器学习和优化专家SuvritSra，电子工程和计算机科学系信息与决策系统实验室(LIDS)的首席研究员。

Sra对这项研究感到非常兴奋，因为它“汇集了各种专业知识，并为开发适应问题的机器学习模型提供了一个绝佳的机会，以及大规模离散概率和优化算法，这些都是我研究的核心。他补充说，“机器学习的长期影响，以及更广泛的人工智能技术，对物质发现的长期影响，远远超出了这一项目。Sra预计，除了加速材料发现之外，他开发的方法也将导致机器学习的基本进步。

除了这些锂电池项目外，化学工程副教授YuriyRomán还将担任Shao-Horn的联合首席研究员，探讨纳米结构，非贵金属催化剂的氧还原和进化催化剂的设计原则。利用罗马和Shao-Horn开发的含有微量贵金属的纳米结构催化剂的新型合成路线，Roman和Shao-Horn将开发催化活性的预测框架。研究人员的目标是确定新型稳定，高活性的电催化剂-燃料电池，金属空气电池和太阳能燃料等可再生能源技术的基本组成部分-生产和商业化成本较低。

虽然由一家主要以汽车闻名的公司提供支持，但TRI的优先事项是广泛的，包括人工智能和计算机科学，家庭机器人和辅助技术，以及材料设计和发现。

Bazant对TRI提供的灵活性以及对基础科学，实际应用以及蓝天理念的支持感到印象深刻。“与大多数政府和行业途径不同，这在资金方面是一个不寻常的机构。我们可以建立不太大，更灵活的团队，每年我们都可以修改我们的计划，而不是专注于特定的技术，“他说。

Bazant和其他教师可以专注于理论和模拟使用数据或探索材料的基本设计原则，而不受典型的“产品开发和商业化的试错法”的束缚。在他的情况下，这意味着有可能为未来的混合动力汽车的设计做出贡献，并推动机器学习技术远远超出电池。

Shao-Horn补充说：“我相信，我们将在基础科学发现，纳米材料，催化和能源系统方面超越未来几年的新创新。”TRI支持的所有研究结果将在科学期刊上保持开放和可发表。

“加快材料探索的步伐将有助于为清洁能源的未来的基础，使我们更接近实现减少全球平均新车CO丰田的愿景2排放量减少90%，到2050年，”TRI首席科学官埃里克说Krotkov在之前的新闻稿中。

材料发现中的这些赠款建立在为MIT研究人员提供的早期支持之上。在2015年秋季，TRI宣布了5000万美元的研究经费，其中一半用于麻省理工学院的计算机科学和人工智能实验室(CSAIL)，以资助一个致力于开发自动驾驶汽车技术以提高安全性的中心。此外，整个TRI都深深感受到研究所的存在。约翰·伦纳德，机械和海洋工程的塞缪尔·柯林斯C.教授，领导着他们的自主努力;电气工程和计算机科学系副教授RussTedrake领导模拟和控制;和TRI首席执行官GillPratt'89曾担任麻省理工学院腿部实验室的主任。