研究人员表示，他们开发了一种基于LFP材料的特定类型的锂离子电池。电池不使用供应链受限的化学品，因此它将加速电动汽车进入大众市场的脚步。

科学家解释说：“想象一下，电池是一个陶瓷咖啡杯，当加热或冷却时，会发生热膨胀和冷收缩，导致陶瓷出现缺陷。每次充电时，电池中的材料都会经历相同的过程，然后耗尽电能，导致故障。”科学家指出，温度不是电池破裂的原因，而是每个充电周期中材料之间的机械应变。“不幸的是，我们对原子结合的纳米级上发生的变化知之甚少。但是在高分辨率的显微镜的支持，我们可以看到这些变化，人工智能帮助我们了解这些变化的过程。这是我们第一次在纳米级上可视化和测量这些力，”

科学家还说：“所有给定材料的性质都是其化学和原子能物理相互作用的函数，我称之为‘化学力学'。更重要的是，物体越小，组成材料的原子越多样，预测材料的方法就越困难。”

使用人工智能进行图像分析并不是什么新鲜事，但使用这项技术来研究最小尺度的原子相互作用是很少见的。在医学领域，人工智能已经成为分析各种疾病图像的工具。同时，在材料科学领域，高分辨率X射线、电子和中子显微镜的新方法允许在纳米尺度上进行直接可视化。

越来越多的电动汽车制造商和电池密集型企业采用LFP材料。在这个项目中，研究团队选择了LFP和磷酸铁锂作为阴极材料。这种电极不含钴和镍，而钴和镍主要用于商用电池。LFP电池也非常安全，尽管它们每磅的含电量更少。虽然LFP已经研究了20年，但到目前为止，只有两个关键的突出技术问题得到了解。第一个问题是了解材料在充放电过程中的弹性和变形。第二个问题是在LFP部分稳定或“亚稳态”的特定机制下，材料是如何膨胀和收缩。目前，通过图像学习技术，首次解释了这两个问题。

他将其应用于扫描透射电子显微镜产生的一系列二维图像和高级（光谱叠加成像）X射线图像。通过图像发现这些，日后对电池的容量、能量保持率和速率都很重要。更重要的是，科学家认为这项技术可以扩展到大多数晶体材料，或者可以制成良好的电极。“人工智能可以帮助我们理解这些物理关系，这对于预测新电池的性能、实际应用的可靠性以及随时间的退化等都有着至关重要。

研究人员表示，这项技术已被用于在原子水平上采用各种新的电池设计。一个是新的电池控制软件，它可以管理充电和放电，以延长电池寿命的50％。另一个是开发更精确的计算模型，以便电池工程师可以在计算机上而不是在实验室中探索替代电极材料。“人工智能可以帮助我们以新的方式看待材料，从而有可能找到更好的替代品，”这就意味着日后电池的寿命更长，维护成本更低，同时也解决了汽车的续航里程短，以及各方面等问题。