O echipă de cercetători de la Argonne National Laboratory din Statele Unite a dezvoltat o metodă bazată pe învățare automată pentru a identifica aditivi chimici capabili să îmbunătățească performanța bateriilor pentru vehicule electrice. Abordarea inovatoare permite reducerea timpului de testare și oferă o cale rapidă pentru dezvoltarea de soluții energetice mai eficiente și durabile, conform InterestingEngineering.
Urmărește cele mai noi producții video TechRider.ro
- articolul continuă mai jos -
Cercetarea s-a concentrat asupra bateriilor de tip LNMO, compuse din litiu, nichel, mangan și oxigen. Acestea au avantajul unei capacități energetice mai mari și nu necesită cobalt, un material scump și dificil de obținut. Totuși, funcționarea la o tensiune de aproape 5 volți depășește limita de stabilitate a electroliților utilizați în mod obișnuit. „Bateriile de telefoane și cele ale vehiculelor electrice funcționează, de regulă, la circa 4 volți. Dar o baterie LNMO la 5 volți depășește clar limita de stabilitate a oricărui electrolit cunoscut”, au explicat cercetătorii.
Această instabilitate poate duce la descompunerea electrolitului și a catodului, reducând semnificativ durata de viață a bateriei. „Această situație prezintă numeroase provocări, pentru că electrolitul și catodul se află într-o stare extrem de energizată, care poate conduce la procese de descompunere”, a precizat Chen Liao, chimist la Argonne și profesor la University of Chicago.
Pentru a contracara efectele negative, sunt folosiți aditivi speciali introduși în electrolit. Rolul acestora este de a se descompune în primele cicluri de încărcare, formând un strat protector pe suprafața electrozilor. Această peliculă stabilizează interfața, scade rezistența și încetinește degradarea, ceea ce îmbunătățește performanța generală a bateriei.
Problema este că identificarea aditivilor potriviți, dintr-o gamă de sute de opțiuni posibile, este un proces extrem de consumator de timp atunci când se bazează pe metode tradiționale de testare. În acest context, echipa de la Argonne a dezvoltat un model de învățare automată care stabilește legătura dintre structura chimică a aditivilor și efectele lor asupra bateriei.
Modelul a fost antrenat inițial pe un set de doar 28 de aditivi, iar apoi a reușit să prezică performanța a 125 de combinații noi. Astfel, cercetătorii au putut evita un proces experimental care ar fi durat între patru și șase luni. „Tradițional, se crede că este nevoie de foarte multe date pentru a antrena un model de inteligență artificială. Dar munca noastră arată că nu este nevoie de un volum uriaș de date, ci de un set bine structurat pentru a obține predicții corecte”, a declarat Hieu Doan, om de știință computațional la Argonne.
În urma analizei, modelul a identificat mai mulți aditivi care au oferit performanțe mai bune decât cei incluși în setul de date inițial. Metoda reprezintă un exemplu de colaborare între știința experimentală și inteligența artificială, accelerând procesul de descoperire a materialelor necesare pentru baterii mai performante.
„Prin găsirea prescripției corecte prin intermediul învățării automate, oamenii de știință pot asigura funcționarea optimă a bateriilor, deschizând calea către soluții energetice mai eficiente și mai durabile”, au transmis cercetătorii în comunicatul oficial.
Rezultatele obținute de echipa de la Argonne sugerează că tehnologia de predicție bazată pe algoritmi ar putea deveni un instrument esențial în dezvoltarea viitoare a bateriilor pentru vehicule electrice și alte aplicații energetice, reducând semnificativ timpul necesar pentru a trece de la experiment la implementare practică.
