设备优化需要更高效的自动化方法，并将不同的研究方法紧密结合起来。近日，慕尼黑工业大学Helge Sören Stein、丹麦技术大学Arghya Bhowmik报道了电池研究领域的材料加速平台（MAP），该平台基于快速学习服务（FINALES）框架，该框架集成了模拟和物理实验，同时保留了对硬件和软件资源的主动控制。
本文要点：
1) 这种控制分散化是使用FINALES框架MAP的一个显著特征，其连接的特征包括电解质配制和表征、电池组装和测试、早期寿命预测。该基础设施用于通过改变电解质配方来优化电解质的离子电导率和锂离子纽扣电池的寿命（EOL）。
2) 作者发现了离子电导率的趋势，并研究了电解质配方对EOL的影响。此外，该MAP能够弥合不同的研究模式、规模和结构，在异步条件下进行系统级分析，同时处理材料和系统级的并发工作流程。
Monika Vogler et.al Autonomous Battery Optimization by Deploying Distributed Experiments and Simulations Adv. Energy Mater. 2024
DOI: 10.1002/aenm.202403263
https://doi.org/10.1002/aenm.202403263
