В классической батарейке электролит жидкий, и заряженные частицы — ионы — движутся в нём свободно, почти как пловцы в открытом бассейне. В твердотельной версии электролит заменён на твёрдый материал, и ионам приходится протискиваться сквозь атомные «коридоры», словно пешеходам в узких переходах в час пик. Ключевое требование к такому материалу — высокая ионная проводимость, то есть способность быстро пропускать ионы. Но поиск подходящих материалов вслепую — это годы трудоёмких проб и ошибок. Здесь на помощь приходит машинное обучение: алгоритм, обученный на точных примерах, берёт на себя роль «дорожного инженера» и предсказывает, в каких структурах ионы не будут застревать.

Исследователи выяснили важный принцип: для точных прогнозов критичнее не гигабайты сырых данных, а безупречная разметка небольших выборок. Даже в материалах, богатых углеродом, модель отлично обучается на малом количестве высококачественных расчётов. Неожиданным открытием стало то, что привычная мера ошибки — энтропия сил, то есть мера разброса предсказанных взаимодействий, — почти не связана с реальной быстротой ионного транспорта. Это всё равно что оценивать загруженность дорог по цвету фасадов зданий: аналогия яркая, но упрощает суть, ведь энтропия сил отражает лишь статистику модели, а не физику движения. Методы спектроскопии подтверждают: в твёрдом теле, где нет воды как растворителя, ионы движутся принципиально иначе, чем в жидкости.

Итог — чёткий рецепт для инженеров: маленькие, но идеально подготовленные данные сокращают путь к созданию безопасных твердотельных батарей, способных работать и в мороз, и в зной.