作為由豐田研究院(TRI)發起的3500萬美元材料科學發現計劃的一部分，麻省理工學院附屬的三個研究團隊將獲得約1000萬美元的資金。提供四年多的時間，對麻省理工學院研究人員的支持將主要針對科學發現和推進支持移動和自治系統未來的技術：能量存儲。

麻省理工學院的MartinBazant，斯坦福大學和普渡大學的同事們將共同致力于開發一種新穎的數據驅動鋰離子(Li-ion)電池設計。這些用于手機和混合動力汽車的儲能器具有實用性，但由于其電化學的基本復雜性而變得復雜。利用納米級可視化技術，首次揭示了鋰離子粒子如何實時充電和放電，與他的理論預測非常一致，Bazant將利用機器學習開發可充電電池的可擴展預測建模框架。

“通過將機器學習方法應用于充電電池內部工作的這些視頻-使用每個像素和每個幀作為測量-我們可以梳理出更適合實驗數據的模型，”EGRoos(1944)教授Bazant說。化學工程系和數學教授。“這種方法有可能通過將原子與宏觀特性聯系起來，并更普遍地推進電化學材料來統一能源材料設計。”

除了Bazant的努力，其中還包括合作者RichardBraatz，EdwinR.Gilliland教授，另外兩個麻省理工學院附屬項目將得到TRI的支持。環境系統的Morton和ClaireGoulder和家庭教授JeffreyGrossman以及WMKeck能源教授YangShao-Horn將領導最大的資助項目，專注于鋰電池的聚合物穩定性和導電性的設計原則。該團隊還包括化學系芬美意職業發展副教授JeremiahA.Johnson和化學助理教授AdamWillard以及機器學習和優化專家SuvritSra，電子工程和計算機科學系信息與決策系統實驗室(LIDS)的首席研究員。

Sra對這項研究感到非常興奮，因為它“匯集了各種專業知識，并為開發適應問題的機器學習模型提供了一個絕佳的機會，以及大規模離散概率和優化算法，這些都是我研究的核心。他補充說，“機器學習的長期影響，以及更廣泛的人工智能技術，對物質發現的長期影響，遠遠超出了這一項目。Sra預計，除了加速材料發現之外，他開發的方法也將導致機器學習的基本進步。

除了這些鋰電池項目外，化學工程副教授YuriyRomán還將擔任Shao-Horn的聯合首席研究員，探討納米結構，非貴金屬催化劑的氧還原和進化催化劑的設計原則。利用羅馬和Shao-Horn開發的含有微量貴金屬的納米結構催化劑的新型合成路線，Roman和Shao-Horn將開發催化活性的預測框架。研究人員的目標是確定新型穩定，高活性的電催化劑-燃料電池，金屬空氣電池和太陽能燃料等可再生能源技術的基本組成部分-生產和商業化成本較低。

雖然由一家主要以汽車聞名的公司提供支持，但TRI的優先事項是廣泛的，包括人工智能和計算機科學，家庭機器人和輔助技術，以及材料設計和發現。

Bazant對TRI提供的靈活性以及對基礎科學，實際應用以及藍天理念的支持感到印象深刻。“與大多數政府和行業途徑不同，這在資金方面是一個不尋常的機構。我們可以建立不太大，更靈活的團隊，每年我們都可以修改我們的計劃，而不是專注于特定的技術，“他說。

Bazant和其他教師可以專注于理論和模擬使用數據或探索材料的基本設計原則，而不受典型的“產品開發和商業化的試錯法”的束縛。在他的情況下，這意味著有可能為未來的混合動力汽車的設計做出貢獻，并推動機器學習技術遠遠超出電池。

Shao-Horn補充說：“我相信，我們將在基礎科學發現，納米材料，催化和能源系統方面超越未來幾年的新創新。”TRI支持的所有研究結果將在科學期刊上保持開放和可發表。

“加快材料探索的步伐將有助于為清潔能源的未來的基礎，使我們更接近實現減少全球平均新車CO豐田的愿景2排放量減少90%，到2050年，”TRI首席科學官埃里克說Krotkov在之前的新聞稿中。

材料發現中的這些贈款建立在為MIT研究人員提供的早期支持之上。在2015年秋季，TRI宣布了5000萬美元的研究經費，其中一半用于麻省理工學院的計算機科學和人工智能實驗室(CSAIL)，以資助一個致力于開發自動駕駛汽車技術以提高安全性的中心。此外，整個TRI都深深感受到研究所的存在。約翰·倫納德，機械和海洋工程的塞繆爾·柯林斯C.教授，領導著他們的自主努力;電氣工程和計算機科學系副教授RussTedrake領導模擬和控制;和TRI首席執行官GillPratt'89曾擔任麻省理工學院腿部實驗室的主任。