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

У новој студији, истраживачи из Националне лабораторије Аргон при Министарству енергетике САД (DOE) окренули су се моћи машинског учења како би предвидели век трајања широког спектра различитих хемијских састава батерија. Користећи експерименталне податке прикупљене у Аргону из сета од 300 батерија које представљају шест различитих хемијских састава батерија, научници могу прецизно да утврде колико дуго ће различите батерије наставити да циклично раде.

Истраживачи из Аргона су користили моделе машинског учења како би направили предвиђања животног века батерије за широк спектар различитих хемијских састава. (Слика: Shutterstock/Sealstep.)

У алгоритму машинског учења, научници обучавају рачунарски програм да доноси закључке на основу почетног скупа података, а затим користе оно што је научио из те обуке да би доносио одлуке на основу другог скупа података.

„За сваку различиту врсту примене батерија, од мобилних телефона до електричних возила и складиштења енергије у мрежи, век трајања батерије је од фундаменталног значаја за сваког потрошача“, рекао је Ноа Полсон, научник за рачунарство у Аргону и аутор студије. „Морање да се батерија циклично пуни хиљаде пута док не откаже може трајати годинама; наша метода ствара неку врсту рачунарске тест кухиње где можемо брзо да утврдимо како ће се различите батерије понашати.“

„Тренутно, једини начин да се процени како капацитет батерије опада јесте да се батерија заправо циклично пражи“, додала је електрохемичарка из Аргона, Сузан „Су“ Бабинек, још једна ауторка студије. „То је веома скупо и траје дуго.“

Према Полсону, процес одређивања века трајања батерије може бити компликован. „Реалност је да батерије не трају вечно, а колико дуго трају зависи од начина на који их користимо, као и од њиховог дизајна и хемијског састава“, рекао је он. „До сада заиста није постојао добар начин да се сазна колико ће батерија трајати. Људи ће желети да знају колико им је времена преостало пре него што буду морали да потроше новац на нову батерију.“

Један јединствени аспект студије је то што се ослањала на опсежан експериментални рад обављен у Аргону на различитим материјалима за катоде батерија, посебно на Аргоновој патентираној катоди на бази никл-манган-кобалта (NMC). „Имали смо батерије које су представљале различите хемијске саставе, које имају различите начине на које се деградирају и отказују“, рекао је Полсон. „Вредност ове студије је у томе што нам је дала сигнале који су карактеристични за то како различите батерије функционишу.“

Даља истраживања у овој области имају потенцијал да усмере будућност литијум-јонских батерија, рекао је Полсон. „Једна од ствари коју можемо да урадимо јесте да тренирамо алгоритам на познатој хемији и да он прави предвиђања на непознатој хемији“, рекао је. „У суштини, алгоритам нам може помоћи да се усмеримо у правцу нових и побољшаних хемија које нуде дужи век трајања.“

На овај начин, Полсон верује да би алгоритам машинског учења могао убрзати развој и тестирање материјала за батерије. „Рецимо да имате нови материјал и да га циклирате неколико пута. Могли бисте да користите наш алгоритам да предвидите његов век трајања, а затим донесете одлуке о томе да ли желите да наставите са експерименталним циклирањем 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 карактеристика за машинско учење омогућио је рано предвиђање трајања батерије„, појавио се у онлајн издању часописа Journal of Power Sources од 25. фебруара.

Поред Полсона и Бабинеца, међу ауторима рада су и Џозеф Кубал из Аргона, Логан Ворд, Саураб Саксена и Венкуан Лу.

Студија је финансирана грантом за истраживање и развој усмерен лабораторијом Аргон (LDRD).