创新背景

材料科学领域，即使是实验参数和协议的微小变化也会导致材料性能的意外变化。随着材料信息学的出现，该领域的突破性发展出现了，这是一个高度依赖数据的领域，专注于材料数据，包括合成协议、性质、机制和结构。它从人工智能（AI）中受益匪浅，人工智能可以实现大规模的自动化数据分析，材料设计和实验，从而有助于发现有用的材料。

不幸的是，与科学界来回共享数据通常会导致数据丢失。这是因为大多数材料数据库和研究论文主要关注结构和性能关系，而不是重要信息，例如基本的实验方案。

创新过程

为了解决这些问题，研究小组开发了一个实验室数据管理平台，描述了电子实验室笔记本中属性，结构和实验过程之间的关系。在这个电子实验室笔记本中，实验事件和相关环境参数被表示为知识图谱。

该团队采用了一种基于人工智能的算法，可以自动将这些知识图谱转换为表格，并将它们上传到公共存储库中。这一步骤的纳入是为了确保数据共享是无损的，并使科学界能够更好地了解实验条件。

为了证明该平台的适用性，该团队使用它来探索有机锂（Li+）离子电解质中的超离子电导率。他们将来自500多个实验（包括成功和失败的实验）的日常原始数据记录到电子实验室笔记本中。接下来，数据转换模块自动将知识图谱数据转换为机器学习数据集，并分析实验操作与结果之间的关系。该分析揭示了实现10−4–10−3S/cm的出色室温离子电导率和高达0.8的Li+转移数所需的重要参数。

该平台目前适用于固态电池，并且性能的提高将能够为开发更安全，高容量的电池做出贡献。

创新价值

这项研究不仅为可靠的以数据为导向的研究提供了一个平台，而且确保所有信息，包括实验结果和原始测量数据，都公开提供给每个人。通过在全球研究人员之间共享原始实验数据，可以更快地发现新的功能材料。这种方法还可以加速能源相关设备的开发，包括下一代电池和太阳能电池。