芯培森技术观察丨电解质路线未收敛，材料计算能帮上什么？

固态电解质的技术路线之争持续了十几年,至今没有收敛出唯一答案。硫化物、氧化物、卤化物三条主流路线各有短长,谁也不能通吃——这件事本身,就是理解整个固态电池产业的一把钥匙。

卡点不在“做不出来”,难点在取舍

先说一个容易被忽略的事实:固态电解质的难题,从来不是“做不出来”。

以硫化物路线为例,据材料学公开研究,部分体系的室温离子电导率已达到10⁻³S/cm量级,个别体系甚至接近10⁻²S/cm,与液态电解液相比并不逊色。实验室里性能亮眼的样品并不稀缺。卡点在于,一款材料往往只能同时满足其中几项要求,而剩下的那一项,恰恰决定了它能不能上车。

业内常用“三难”来概括。一是离子电导率,锂离子在材料里要跑得够快,否则电池的倍率性能无从谈起;二是电化学窗口,材料要能扛住正负极两侧的电位差,不在充放电中被氧化或还原分解;三是化学与环境稳定性,以硫化物为例,它对空气与水分敏感是公认的难题,给制备、储存与电芯组装都带来额外约束。

问题在于,这三项往往不能同时被满足。改善离子电导率的成分调整,可能压缩电化学稳定窗口;增强空气稳定性的做法,又可能牺牲界面兼容性。用业内人士的话说,这是“掺一个、动一片”——改一处,牵动全局。这也是硫化物、氧化物、卤化物三条主流路线至今未能收敛出唯一答案的深层原因。

这不是一句“技术还需要时间”就能带过的事。它的直接后果是:材料研发的每一个决策,都变成了在多组矛盾之间的一次权衡,而权衡的质量,取决于能不能看清这些矛盾彼此之间的牵连。

实验为什么跟不上:多目标问题的组合爆炸

面对这样的多目标问题,最直接的做法是做实验:一次改一个变量,看性能怎么变。这种方法在单一指标优化时有效,放到三项指标互相牵制的场景里,效率会迅速下降。

原因在于可行区间被压缩得很快。当每一轮实验只能验证一个方向上的改动,而几个方向又互相关联时,需要尝试的组合数会随变量数量呈几何级增长。如果体系里有五六个变量、每个变量取三四个值,排列组合很快上千;而当候选体系从几十个涨到上万个,逐条做实验就不再是可完成的选项。

更麻烦的是,实验能给出结果,却未必能解释原因。某一款样品性能更好,究竟是晶格中的哪一处改动在起作用、是离子迁移路径变短了、还是界面副反应被抑制了,这些信息往往需要更微观的观测手段才能拿到。而研发决策最需要的,恰恰是“为什么”。

一句话概括这道题:需要判断的问题在变多,能用来判断的手段却没有同步变多。这也是越来越多课题组开始把计算放到实验前面的现实动因——不是要替代实验,而是要先把有限实验资源投向更可能成立的方向。

计算的痛点:先决条件是“算得准、算得动”

把筛选前置到计算环节,是近年材料研发领域的一个共同选择:先用计算把大批候选体系过一遍,排除明显不满足条件的选项,再把少数几个送上实验台。这种做法改变的不是实验本身,而是实验资源的分配方式。

要让这条路走通,需要两个条件同时具备。一是方法要够准——预测偏差过大,筛选就失去意义,甚至可能把有希望的体系提前淘汰;二是算力要够用——电解质候选体系数量庞大,覆盖的模拟尺度又落在原子级,通用算力在效率与成本上都不轻松。

这两条线,各自都有它的难度。

方法一侧,难题是精度与尺度的取舍。以密度泛函理论DFT为核心的第一性原理方法精度高,但计算量随体系规模上升得很快,可处理的体系通常停留在数百个原子、皮秒量级(视算力条件而异),而真实的界面失效发生在更大的尺度、更长的时间上;经典分子动力学MD虽然能覆盖更大的体系,精度却取决于所依赖的经验势函数。

机器学习分子动力学MLMD走的正是两者之间的第三条路,用机器学习训练出的势函数替代传统经验势函数。这条路已有可核实的进展:据发表于《Journal of Materials Chemistry A》的研究,新加坡国立大学团队为多组分卤化物固态电解质构建了机器学习势函数,并据此预测出离子传输表现更优的组分。这类方法的精度建立于训练所覆盖的构型范围之内,超出该范围仍需重新训练或校验。

算力一侧,难题是成本与效率。电解质筛选的典型场景,是同一套方法要在大量候选体系上反复运行,且每次计算都涉及长时程、大体系的原子模拟。用通用算力承担这类任务,效率与成本都不占优势。

广东芯培森技术有限公司对这条路径的判断是,“算得准”与“算得动”不能拆开解决。

芯培森的位置:把方法、算力与交付接成一条线

芯培森·SwiftMater选择把首个服务方向锁定在固态电池电解质。

在算力一侧,据芯培森联合创始人、总经理樊正伟介绍,其专用算力单元APU(Atomistic Processing Unit,原子级物质计算专用算力单元)采用独创性「非冯·诺依曼」专用芯片架构,让数据紧靠存储位置参与运算、减少数据搬运开销;在长时程、大体系原子模拟这类计算任务中,相较传统冯·诺依曼架构的CPU/GPU,计算速度有显著提升、能耗有显著下降。

在服务一侧,据芯培森首席品牌官肖志强介绍,芯培森·SwiftMater直接对接课题组与企业的具体体系,由全职硕博技术团队完成从需求理解到结果交付的全程。他把服务的核心价值说得更朴素:客户找过来时,问题往往不是“能不能算”,而是一批候选体系摆在面前,不知道先做哪一个实验——这时要交付的不是一组数字,而是一张可以对照的比较表。

这张比较表对研发决策的意义,可以回到“三难”上理解:当几个指标互相牵制时,客户真正需要的不是“哪个最好”的结论,而是“改动哪一项会让哪个指标往哪边走”的关系。据肖志强介绍,芯培森在电解质方向通常按“同一体系、多组条件”的方式组织计算,把电导率、稳定性与界面兼容性等维度分别形成可比对的记录,让路线之间的取舍有据可依。

为了把这张表做扎实,芯培森构建了三元闭环的能力结构:超级终端芯培森·MaterHaven负责把复杂的建模流程收敛为可复用的工程模块;智能体芯培森·MaterPlato负责把重复的调参与排错交给自动化流程;计算服务芯培森·SwiftMater则直接面向客户体系交付结论。三者分工明确,共同支撑“算得快、算得准、还不贵”的服务定位。

值得注意的是,材料计算领域当前的关注点本身也在发生变化。过去讨论较多的是“算力够不够”,随着计算方法与算力条件的改善,重心开始转向结果的可信度。肖志强提到公司内部的一条边界:芯培森·MaterPlato负责流程侧的工作——建模、调参、报错排查这些原本消耗研发人员大量时间的环节由它承担;而计算结论的取舍与责任,则落在人与交付机制上。在他看来,这道边界恰恰是材料计算从“能算”走向“敢用”的关键。

电解质之争,表面看是路线之争,底层是材料数据与判断能力之争。三条路线在短期内谁也不会消失,材料企业要做的不是押注,而是尽量低成本地在每条路线上都保留判断能力——对芯培森来说,这件事的落点很具体:让候选体系被筛得更快、更可信。

（免责声明：此文内容为本网站刊发或转载企业宣传资讯，仅代表作者个人观点，与本网无关。仅供读者参考，并请自行核实相关内容。）