Замислите видовњака који каже вашим родитељима, на дан вашег рођења, колико ћете живети.Слично искуство је могуће за хемичаре батерија који користе нове рачунарске моделе за израчунавање животног века батерије на основу само једног циклуса експерименталних података.

У новој студији, истраживачи из Националне лабораторије Аргонне Министарства енергетике САД (ДОЕ) окренули су се моћи машинског учења да предвиде животни век широког спектра различитих хемија батерија.Користећи експерименталне податке прикупљене у Аргоннеу из сета од 300 батерија које представљају шест различитих хемија батерија, научници могу тачно одредити колико дуго ће различите батерије наставити да раде.

Аргонне истраживачи су користили моделе машинског учења да би предвидели животни циклус батерије за широк спектар различитих хемија.(Слика Схуттерстоцк/Сеалстеп.)

У алгоритму за машинско учење, научници обучавају компјутерски програм да доноси закључке о почетном скупу података, а затим узимају оно што је научио из те обуке како би доносили одлуке о другом скупу података.

„За сваку различиту врсту примене батерија, од мобилних телефона преко електричних возила до складишта на мрежи, животни век батерије је од фундаменталне важности за сваког потрошача“, рекао је научник из Аргона Ноа Полсон, аутор студије.​ „Потребно је да батерију понављате хиљадама пута док не поквари може потрајати годинама;наш метод ствара неку врсту рачунарске тестне кухиње у којој можемо брзо утврдити како ће различите батерије радити."

„У овом тренутку, једини начин да се процени како капацитет батерије бледи је да се батерија стварно циклуси“, додала је електрохемичарка из Аргона Сусан „Суе“ Бабинец, још једна ауторка студије.„Веома је скупо и дуго траје.“

Према Паулсону, процес одређивања вијека трајања батерије може бити тежак.„Реалност је да батерије не трају вечно, а колико дуго трају зависи од начина на који их користимо, као и од њиховог дизајна и њихове хемије“, рекао је он.„До сада, заиста није постојао одличан начин да се зна колико ће батерија трајати.Људи ће желети да знају колико имају времена док не потроше новац на нову батерију.

Један јединствени аспект студије је да се ослањао на опсежан експериментални рад обављен у Аргоннеу на различитим материјалима катодних батерија, посебно на Аргонне-овој патентираној катоди на бази никл-манган-кобалта (НМЦ).„Имали смо батерије које су представљале различите хемије, које имају различите начине на које би се деградирале и поквариле“, рекао је Полсон.„Вредност ове студије је у томе што нам је дала сигнале који су карактеристични за то како различите батерије раде.

Даља студија у овој области има потенцијал да води будућност литијум-јонских батерија, рекао је Полсон.„Једна од ствари које можемо да урадимо је да обучимо алгоритам на познатој хемији и да га натерамо да направи предвиђања о непознатој хемији“, рекао је он."У суштини, алгоритам може помоћи да нас усмери у правцу нових и побољшаних хемија које нуде дужи животни век."

На овај начин, Полсон верује да би алгоритам машинског учења могао да убрза развој и тестирање материјала за батерије.„Рецимо да имате нови материјал и да га прођете неколико пута.Можете користити наш алгоритам да предвидите његову дуговечност, а затим донесете одлуке о томе да ли желите да наставите да га експериментишете или не.

„Ако сте истраживач у лабораторији, можете открити и тестирати много више материјала за краће време јер имате бржи начин да их процените“, додао је Бабинец.

Рад заснован на студији, ​“Инжењеринг функција за машинско учење омогућио је рано предвиђање трајања батерије“, појавио се у онлајн издању Јоурнал оф Повер Соурцес од 25. фебруара.

Поред Паулсона и Бабинеца, други аутори рада су Аргонов Јосепх Кубал, Логан Вард, Саурабх Сакена и Венкуан Лу.

Студија је финансирана од стране Аргонне Лаборатори-Дирецтед Ресеарцх анд Девелопмент (ЛДРД) гранта.