电动汽车 (EV) 正在改变交通运输方式，但成本、使用寿命和续航里程等挑战仍然是广泛采用电动汽车的障碍。这些挑战的核心在于电池技术，尤其是电解质，这是实现能源存储和输送的关键组件。电解质的特性直接影响电池的充电速度、功率输出、稳定性和安全性。
为了克服这些障碍，研究人员开始采用 AI 驱动的方法来加速新型电池材料的发现。
作为电池创新领域的领导者，SES AI 正在利用先进的 NVIDIA 硬件和软件生态系统来革新材料发现。SES AI 将适用于特定领域的 LLM 与 AI 模型和 GPU 加速的模拟相结合，将数十年的研究压缩为几个月，并在电动汽车电池性能方面取得突破性进展。
SES AI 的电池创新方法
SES AI 的开创性工作分为以下关键步骤：
- 绘制分子宇宙图
- 推动化学 LLM 发展
- 构建高性能电池
绘制分子宇宙图
SES AI 正在创建全面的分子字典，以绘制数百万个小分子的物理和化学性质。这项工作为高级材料发现奠定了基础。其工作流程的核心是 AIMNet2 (Atoms in Molecules Neural Network) —— 一种由卡内基梅隆大学的 Isayev Lab 开发的神经网络势 ，可显著提高分子模拟和属性预测的速度和准确性。
SES AI 首席执行官 Qichao Hu 解释道：“我们在分子宇宙研究中的目标是绘制小分子的属性，以便我们可以为飞行器、人形机器人、数据中心等开发更好的能量存储设备。通过使用 AIMNet2 与 NVIDIA 开展合作，我们将这一过程从几千年加速到仅仅几个月。”
推动化学 LLM 发展
通过利用跨科学领域的通用智能，SES AI 增强了推理能力，以加速电池材料发现。他们特定领域的化学 LLM 为研究人员提供了开发下一代电池的直观工具。
构建高性能电池
SES AI 快速评估原型中的候选材料，展示显著的性能增强，为打造更安全、更耐用的电动汽车电池铺平道路。
使用 NVIDIA 平台取得突破
SES AI 依靠 NVIDIA 的综合平台来浏览包含超过 1 亿个分子的巨大解决方案空间。图 1 展示了 SES AI 的工作流程，其中的关键创新包括加速分子模拟、优化的交互式数据探索以及提高 LLM 准确性。
NVIDIA 在模拟工作流程中实现了 1.6Kx 加速：从 Skylake CPU 到 500 个 NVIDIA H100 GPU 的硬件加速提高了 20 倍，并通过 NVIDIA ALCHEMI 软件实现了 80 倍的加速。化学 LLM 的准确度提高了 25%：LLM 作为评判员，在内部基准测试任务中为 SES AI 70B Reasoning LLM v Llama-3.1 70B 选择正确答案的百分比。准确度平均提升 25%。
加速分子模拟
通过使用 NVIDIA ALCHEMI ，SES AI 使用带有 AIMNet2 NIM 微服务的 Batched Geometric Relaxation (BGR) 和 Batched Density Functional Theory (DFT) 微服务来快速模拟分子结构。这些工具使研究人员能够计算 HOMO-LUMO 差距等关键属性，这些属性决定了分子的电子特性和能量存储潜力。
BGR AIMNet2 NIM 微服务用于加速寻找每个分子最稳定的分子配置的过程。Batched DFT 微服务增强了 GPU4PySCF，这是一个集成到基于 Python 的 Simulations of Chemistry Framework （PySCF）中的开源 GPU 加速 Python 包。
凭借这些创新，SES AI 在量子化学计算方面实现了无与伦比的效率。
交互式数据探索
SES AI 使用 NVIDIA cuML 加速 UMAP 降维 ，并使用 HDBSCAN 进行聚类 ，以创建包含数百万个分子的交互式地图。借助这些工具，科学家能够发现复杂数据集中的模式，并比以往更快地识别有前景的候选者。
训练化学 LLM
为了使用 1700 万篇科学论文中的 35 亿个 token 来训练他们的 Chemistry LLM，SES AI 使用了 NVIDIA DGX Cloud 和 NVIDIA NeMo ，这是一个用于构建特定领域生成模型的框架。
为了实现更高的模型准确性，SES 团队使用了 NeMo Curator 功能，例如 exact deduplication、numbers filter、word count filter、repeated lines filter 和 non-alphanumeric filter。
最终得到一个定制模型，该模型在分子排序方面比基础版本更准确，并提供可操作的见解，以前所未有的速度加速发现。
成果：改变电池技术
SES AI 与 NVIDIA 的合作取得了显著成果：
- 确定了 17 种候选材料：其中两种材料已经在马萨诸塞州沃本的 SES AI 的 Electrolyte Foundry 进行了合成和测试。
- 电池循环寿命提高 20%：早期测试表明性能显著提升
- 在 BGR 和 DFT 工作流中实现 1.6Kx 加速和 2 倍能效：通过 NVIDIA H100 GPUs、NVIDIA ALCHEMI 的 BGR AIMNet2 NIM 和 Batched DFT Microservice 实现。
- 数据探索速度提高 10 倍：由 NVIDIA cuML 提供支持。
- LLM 准确率提高 25%：使用 NVIDIA DGX Cloud 和 NVIDIA NeMo 的 Chemistry LLM 在分子排名和推理任务方面超越了基础模型。
这些进步带来了创新
- 锂金属电池：提供增强的性能和安全性。
- 高硅锂电池：新发现的溶剂分子可解决膨胀问题，而不会在高温下排放有害气体。
因此，SES AI 已与两家 汽车 OEM 合作伙伴 签署了为电动汽车开发电解质材料的协议。
视频 2. 锂金属电池中的电解质配方
通过加速创新推动可持续发展
从历史上看，发现真正创新的电池电解质需要 5 年时间。如今，得益于 SES AI 和 NVIDIA 技术，每六个月就会出现重大突破。这些技术进步有望增强电动汽车电池的性能、安全性和生命周期——减少温室气体排放，同时在全球范围内推动可持续实践。
新材料的快速发现加速了技术进步，刺激了经济增长，并为全球应对气候变化的努力提供了支持。
助力全球研究人员
NVIDIA 工具正在助力全球研究人员加速材料发现：
- 注册以在 NVIDIA Batched Geometry Relaxation NIM 微服务可供下载时接收通知。
- 使用 NVIDIA NeMo 构建自定义生成式模型。
- 使用 cuML 和 Python 库加快 ML 工作流程，无需更改代码。
NVIDIA 与 SES AI 等合作伙伴携手推动创新，这将塑造能源存储的未来，并激发一个更加可持续的世界。
有关更多信息，请参阅近期的 GTC 会议：
致谢
感谢 Yumin Zhang、Dan Hannah、Vignesh Prabhakar、Md Amirul Islam、Adam Atanas、Richard Chang、Kai Liu、Kang Xu 和 Qichao Hu 的贡献。
