该研究利用了薛定谔基于物理原理的计算平台，着眼于解决能源存储设计中长期存在的瓶颈问题。锂电池电解液对电池性能至关重要，直接影响电导率、粘度、盐解离度和电化学稳定性等特性。电解液还驱动固体电解质界面膜（SEI 膜）的形成，而 SEI 膜是电池负极上决定电池寿命和安全性的关键保护膜。然而，目前对于电解液结构如何在原子层面上影响这些特性的理解仍然有限。利用薛定谔先进的机器学习力场技术，该团队以前所未有的精度和规模对锂电池电解液进行了模拟。这些模拟表明，锂离子经常形成由碳酸乙烯酯溶剂分子配位、但不含阴离子的团簇 — 这一重要结构现象此前未被认识到。
薛定谔材料科学高级副总裁 Mat Halls 表示: “模拟复杂的电池系统过去常常迫使科学家们必须在量子精度与大规模模拟之间做出取舍，我们的机器学习力场技术消除了这种折中。通过预测这些多锂离子复合物并以实验加以验证，我们证明了薛定谔平台能够发现此前难以探测的化学现象，从而加速材料发现。”
薛定谔联合创始人、董事会成员，兼哥伦比亚大学 William P. Schweitzer 化学教授 Richard Friesner 表示：“利用薛定谔专有的先进机器学习力场，我们发现电池中的锂离子实际上会在没有阴离子参与的情况下聚集成团簇，而正是这些离子簇推动了电池表面保护膜的生成。通过计算预测这一出人意料的化学现象，并在实验中加以证实，表明薛定谔基于物理原理的平台能够准确模拟电池内部不易观察到的原子尺度细节。此外，这些结果还表明，许多(甚至大多数)复杂的化学体系如今都可以借助机器学习力场，进行基于物理原理的预测性模拟并且达到原子级分辨率。”
