锂离子电池的正常工作温度范围在-20oC至60oC，最佳工作温度范围在20oC至30oC。过高或过低都将影响锂离子电池的性能和寿命，因此无法满足高空等应用场景对更宽工作温度范围的需求。

宽温域电解液是实现电池在更宽温度范围稳定工作的关键。高温下，电解液容易与电极发生更显著的副反应；低温下，锂离子在电解液和电解液/电极界面的传输动力学显著下降。因此，宽温域电解液设计需要平衡考虑高温和低温电解液的设计要求，具有更大挑战。电解液设计是通过多种溶剂、锂盐和添加剂的组合来平衡电解液的各种性能指标，从而满足不同应用的需求。传统电解液设计方法基于化学常识和经验试错，这使得庞大的化学空间中仅有极少量的分子被尝试用于电解液研究。近年来，数据信息科学的发展为利用庞大高维数据进行科学研究提供了方法，例如深度学习。“AI for science”作为一种新的研究范式已经被广泛接受，并为生物医药等领域研究带来了显著突破，例如AlphaFold。然而，用于电池领域的相关研究仍处于起步阶段。

最近，中国科学院物理研究所禹习谦研究员、李泉博士与清华大学陈翔副研究员合作，开发了一种人工智能辅助的宽温域电解液设计方法。通过大数据对分子基本物性进行初步筛选（例如熔沸点），进一步通过高通量计算筛选满足电解液特性（例如锂离子结合能）的分子，最后结合实验进行验证。从公开报道的超过二十万种数据中，筛选出3-甲氧基丙腈（3-methoxypropionitrile，MPN）作为主溶剂的电解液。该宽温域电解液可以支撑钴酸锂/金属锂电池在–60到120 ℃温度范围内工作。此外，对AI模型的可解释性分析揭示了组成元素和官能团对分子性质（熔沸点、介电常数等）的调控机制。研究发现氰基取代具有与氟取代类似的作用。这为非氟代溶剂设计提供了一种新的思路。