开发高能高效的电池技术是推进交通和航空电气化的一个重要方面。然而，电池创新可能需要数年才能实现。就非水性电池电解质溶液而言，在选择多种溶剂、盐及其相对比例时存在许多设计变量，这使得电解质优化工作既费时又费力。为了克服这些问题，研究人员在这项工作中提出了一种将机器人技术（一种名为 "Clio "的定制自动实验）与机器学习（一种名为 "Dragonfly "的基于贝叶斯优化的实验规划器）相结合的实验设计。通过在单盐和三元溶剂设计空间内对电解质电导率进行自主优化，在两个工作日和 42 次实验中确定了六种快速充电的非水电解质溶液。与相同的自动实验所进行的随机搜索相比，这一结果代表了六倍的时间加速。为了验证这些电解液的实际用途，研究人员在 220 mAh 石墨∣∣LiNi0.5Mn0.3Co0.2O2软包电池配置中进行了测试。与使用从设计空间中预先选择的非水电解质溶液的基线实验相比，所有含有机器人开发的电解质的软包电池都显示出更强的快速充电能力。