記者李喬智／臺北報導
國立臺灣科技大學化工系博士生吳亮廷，在江志強教授指導下，結合人工智慧與第一原理熱力學計算，建立鈉離子電池層狀氧化物正極材料結構預測模型，可依材料組成預測其較可能形成的晶體結構，預測準確率約達96%，有助於縮短新材料開發時間、降低試誤成本。研究成果發表於國際能源材料頂尖期刊《Advanced Energy Materials》，並在黃炳照講座教授及邱昱誠教授共同推薦下，榮獲2026年鴻海科技獎首屆新增應用組肯定，展現臺科大在能源材料、人工智慧與國際合作研究上的深厚實力。
近年來，再生能源快速發展，如何建構安全、低成本且高效率的儲能系統，成為全球能源轉型的重要課題。目前廣泛應用的鋰離子電池雖然性能成熟，但鋰資源成本及供應限制，使鈉離子電池逐漸受到重視。由於鈉資源豐富、價格低廉，因此被視為下一世代儲能技術的重要方向。然而，鈉離子電池正極材料的設計仍面臨挑戰，其中材料最終形成的晶體結構，將直接影響電池容量、循環壽命及鈉離子傳輸效率。
▲吳亮廷於研究室透過電腦進行材料模擬與數據分析，運用人工智慧結合第一原理熱力學計算，建立鈉離子電池正極材料結構預測模型。（圖／臺科大提供）
吳亮廷表示，鈉離子電池常見的層狀氧化物正極材料主要形成P2或O3兩種堆疊結構，各自具有不同特性。P2結構通常具有較佳的鈉離子傳導能力，而O3結構則具備較高初始容量，因此如何在材料合成前預測最終會形成哪種結構，一直是材料設計的重要課題。過去研究多仰賴較簡單的線性模型進行判斷，但面對組成複雜的新材料時，預測能力仍有限。
為提升預測準確性，研究團隊整理270種已由實驗驗證的層狀氧化物材料資料，建立完整資料庫，並萃取鈉濃度、過渡金屬離子勢、離子半徑、游離能、混合熵等關鍵材料特徵，比較多種機器學習模型的預測能力。結果顯示，深度神經網路能有效學習不同材料特徵間複雜的非線性關係，在未參與訓練的測試資料中，預測準確率約達96%；進一步以近年文獻中的80種新材料驗證，仍維持相近的預測能力，展現模型良好的可靠性與應用潛力。
除了建立高準確率的預測模型外，研究更進一步揭示影響材料結構形成的重要機制。團隊發現，過渡金屬離子勢、鈉含量及過渡金屬混合熵，是影響材料形成P2或O3結構的三項關鍵因素。其中，過渡金屬混合熵代表材料中不同金屬元素的多樣性及組成均勻程度。研究指出，較高的混合熵有助於穩定O3結構，為未來透過元素設計開發新型電池材料提供新的研究方向。
值得一提的是，本研究並非僅利用AI進行資料分析，而是進一步結合靜電分析、密度泛函理論（DFT）、蒙地卡羅模擬及熱力學分析等方法，從原子尺度驗證機器學習找到的規律。研究證實，鈉離子與過渡金屬、鈉離子彼此間的交互作用，以及材料的混合熵效應，確實會影響材料結構穩定性，使人工智慧預測結果具備扎實的物理與化學基礎，而非僅止於統計相關性。
這項研究源自臺科大長期推動的國際合作。吳亮廷於博士期間赴德國于利希研究中心（Forschungszentrum Jülich）交流，與Payam Kaghazchi教授研究團隊合作，接觸大量鈉離子電池材料資料與第一原理模擬技術；返臺後，在指導教授帶領下，結合臺科大能源材料研究能量與人工智慧分析方法，完成模型建立與理論驗證，並陸續發表於國際期刊。
吳亮廷從大學、碩士到博士皆就讀臺科大化工系。他表示，臺科大提供完善的研究設備、跨領域合作環境及國際交流機會，讓學生得以從材料設計、理論模擬到人工智慧分析，建立完整的研究能力，也促成此次與德國研究團隊的合作契機。他坦言，原本認為模擬研究距離產業應用仍有一段距離，直到獲得鴻海科技獎後，更深刻體會到人工智慧與材料模擬對新能源產業的實際價值。
臺科大近年持續推動人工智慧、能源科技及國際合作研究，鼓勵學生投入跨領域創新，透過理論分析、實驗驗證與國際交流，培育兼具基礎研究與產業應用能力的人才。此次研究成果不僅展現臺科大在新能源材料研究的深厚實力，也為人工智慧協助材料設計提供新的發展方向，未來有望加速新世代鈉離子電池材料開發，為全球能源轉型與永續發展貢獻創新解方。
