國立臺灣科技大學化工系的博士生吳亮廷，在指導教授江志強的指導下，成功結合人工智慧（ＡＩ）與第一原理熱力學計算，建立了鈉離子電池層狀氧化物正極材料的結構預測模型。這個模型能根據材料的組成準確預測其可能形成的晶體結構，預測準確率高達百分之九十六，大幅縮短新型電池材料的開發時間，並顯著降低研發過程中的試誤成本。

這項研究成果已發表在國際能源材料的頂尖學術期刊《Advanced Energy Materials》。同時，在黃炳照講座教授與邱昱誠教授的推薦下，吳亮廷獲得了二○二六年鴻海科技獎首屆新增應用組的殊榮，展現了臺科大在跨領域能源科技和前瞻ＡＩ應用上的實力。

隨著全球再生能源轉型加速，建立安全、低成本且高效率的儲能系統成為各界關注的焦點。目前主流的鋰離子電池雖然性能成熟，但因鋰資源分布不均和成本高昂，鈉離子電池因其豐富且便宜的特性，成為下一代儲能技術的重要突破口。鈉離子電池的正極材料在合成前難以確定其結晶堆疊模式，而晶體結構直接影響電池的容量、循環壽命及鈉離子傳導效率，成為材料設計的主要瓶頸。

吳亮廷指出，鈉離子電池的層狀氧化物主要有P2和O3兩種結構，P2結構具較佳的鈉離子傳導能力，而O3結構則有較高的初始容量。傳統研究對新型材料的預測能力有限。

為提升預測精準度，研究團隊建立了包含二百七十種材料的資料庫，並運用深度神經網路進行訓練，模型在測試集中的預測準確率達百分之九十六。此外，團隊結合靜電分析、密度泛函理論等方法，證實過渡金屬離子勢、鈉含量與混合熵為影響因素，高混合熵有助於穩定O3結構。

這項研究源自於臺科大的國際合作，吳亮廷在德國交流後完成模型建構，並體會到ＡＩ與材料模擬對新能源產業的價值。臺科大將持續深化跨領域創新與國際合作，培育具產業實戰力的人才。