随着国家加速向能源主导地位转变，对创新电池技术的需求愈发强烈。美国能源部(DOE)阿贡国家实验室能源存储科学合作中心(ACCESS)主任Venkat Srinivasan称，无论是各类交通工具，还是电网、便携式电子设备等，电池都将成为驱动现代世界的关键技术。阿贡国家实验室X射线科学部门副主任斯蒂芬·沃格特也表示，两座设施在电池研究方面潜力巨大，实验室科研工作正处黄金时期。

这一转变需提高电池性能、延长寿命、缩短充电时间、提升安全性、降低成本，并减少对关键矿物的依赖。阿贡国家实验室在该领域的核心工作是升级后的先进光子源(APS)和位于阿贡国家实验室领导计算设施(ALCF)的Aurora百亿亿次超级计算机，二者均为美国能源部科学办公室用户设施。斯里尼瓦桑认为，这一组合将改变电池研究未来。

Aurora拥有超过60,000个GPU，为研究人员编写更复杂代码并获取有洞察力的结果开辟了新可能，助其解答电池研究难题。在APS，全面升级后X射线束亮度提升高达500倍，使电池研究显著提升。高亮度可研究材料内部微小结构，让研究人员能以更高精度实时观察电池充放电过程，深入观察电池主要组成部分及内部精细结构。

沃格特称，原始APS能对约20纳米小结构成像，升级后APS成像速度大幅提高，可更直观地观察事物，提供时间和空间分辨率的独特组合，进行最真实准确的测量。

高科技电池研究将产生大量数据，APS整体升级后一年或产生超100PB数据，电池研究占其中几个PB。1PB数据量相当于1万到10万个人脑存储量，数据分析需Aurora的百亿亿次计算能力。阿贡国家实验室还在APS和Aurora间建立太比特流连接，实现快速无缝数据传输，使研究人员能在实验运行时处理数据，节省宝贵光束时间。

Aurora的人工智能(AI)功能也令人期待。沃格特设想建立使用机器学习分析的数据集，以探索电池材料新领域。未来或可利用自主实验室制造新电池材料，送入X射线光束线，数据传至Aurora后，基础或大型语言模型可对新研究材料做出预测。

APS和Aurora有多种协同作用方式。先进X射线光谱技术先生成视觉图像，再转换为光谱，模拟光谱可确定电池材料电子自旋，显示充电或放电基本状态，最后一步通常由Aurora通过机器学习完成。升级后的APS聚焦通量增加是X射线光谱成功的关键。

叠层成像技术可实时生成样品高精度图像，揭示材料分子结构或缺陷信息。阿贡国家实验室创建的PtychoNN新型机器学习模型用于实时执行该过程，在最近实验中，PtychoNN将叠层扫描数据传输到Aurora前身Polaris并成功分析。使用Aurora可大幅加快叠层书写过程，形成闭环，让研究人员随时看到操作情况。

沃格特表示，Aurora和升级后的APS将为未来几年电池研究带来巨大益处，这是阿贡国家实验室科学发展的伟大时刻。阿贡国家的电池研究主要由美国能源部基础能源科学办公室和能源效率与可再生能源办公室的车辆技术办公室资助。