环境问题一直是世界各国所高度重视的战略问题，清洁能源（如水、风、地热和太阳能等）的高效利用成为解决环境问题和实现可持续发展的关键一环。然而清洁能源的应用受限于地理位置和季节性等因素，为提高其利用率，必须发展更高性能的二次电池储能体系。其中，锂离子电池因为性能优异的储能体系，已经被大规模商业化。二次电池储能体系近年来受到了广泛的研究，然而作为其“血液”的电解液性能决定了电池的各项指标。通过计算电化学设计电解液材料成为这些年研究的热门。然而通过传统的前线轨道理论计算，不能准确描述电解液的复杂化学环境，无法设计电解液配方。

结合经典分子动力学模拟，由于其力场的准确性较差，无法获得准确且精度统一的溶剂化结构和计算性质。近年来，第一性原理分子动力学模拟由于其可以在第一性原理精度准确描述复杂化学环境，受到了广泛的关注。通过第一性原理准确计算电子结构，并通过分子动力学采样可以准确获得电解质材料的电化学性质，评估电解液性能。然而由于第一性原理计算成本高，无法直接应用于电解液材料设计。

机器学习分子动力学模拟通过机器学习方法拟合第一性原理精度的数据，准确预测能量和原子受力等计算数据，可以在极低的成本实现长时间尺度第一性原理精度的分子动力学模拟。然而，机器学习势函数训练受限于第一性原理计算数据集的构建。对于电解液通用势函数模型，代表性数据集构建困难这一问题极大限制了机器学习势函数的泛化能力。

针对以上研究现状，AI4EC Lab基于自开发的电解质智能计算工作流软件包ai²-kit，构建了面向锂离子电池电解液设计领域的可用、较为完备的电解液通用势函数模型omni potential for electrolytes （op-elyte），用户可以在Al4EC Lab官网（op-elyte emulator）通过绘制溶剂分子结构模型，挑选锂盐并设置溶剂与溶质比例自动化生成电解液模型并进行机器学习分子动力学模拟。用户可通过该模型实现对大部分常规锂离子电池电解液的机器学习分子动力学模拟，并通过长时间尺度统计采样获得准确的密度、粘度、电导率和工作温度区间等物理化学性质。为高通量搜索电解质化学空间、实现电解质智能设计奠定基础。

AI4EC Lab创新性解决方案

AI4EC Lab综合考虑了真实锂离子电池电解液化学环境的复杂度，通过构建溶剂分子子和锂盐的分子数据库，结合自动化工作流ai²-kit随机生成>100万种以上配方各异的电解液模型，并进行经典分子动力学模拟获得相对稳定的初始结构。

基于自开发的电解质智能计算工作流软件包ai²-kit，自动化迭代更新数据集，获得通用势函数模型。基于此通用势函数模型，可以准确计算出电解液体系溶剂化结构、密度、粘度、电导率和工作温度区间等物理化学性质。在此基础上，可以通过高通量机器学习分子动力学模拟，构建电化学性质计算数据库，促进锂离子电池电解液高效、智能设计。

omni potential for electrolytes （op-elyte）数据集

结合ai²-kit自动化训练，构建包含24万个DFT计算数据的势函数数据集，可以准确模拟超过100万种电解液配方（支持3000种溶剂类型、17种锂盐阴离子、2元到9元混合类型、多种浓度梯度且op-elyte对溶剂的迁移性良好）。该通用势函数模型可支撑大部分锂离子电池复杂电解液体系的分子动力学模拟，并获得准确的计算物理化学性质。

案例展示与测试入口

部分电解液测试数据可通过ai2-db BatElyte访问。

访问链接：https://ai2db.ai4ec.ac.cn/batelyte

用户可通过 op-elyte emulator 测试自己感兴趣的电解液体系 。访问链接：

https://ai4ec.ac.cn/apps/op-elyte-emulator

omni potential for electrolytes（op-elyte）展望

op-elyte的成功开发，为锂离子电池电解液的计算提供了一种全新的高效途径，AI4EC Lab将不断推进技术的完善和应用的拓展，加速二次电池储能体系领域的进步。未来，将针对复杂电解液体系的互动与获取、通用势函数模型的迭代更新、计算精度的提升持续进行研究探索与技术优化。

欢迎加入 AI4EC Lab 用户群，了解更多详细内容，与开发者交流讨论！您可以扫描下方二维码加入群聊。