Imaginează-ți un psihic care le spune părinților tăi, în ziua în care te-ai născut, cât vei trăi.O experiență similară este posibilă pentru chimiștii de baterii care folosesc noi modele de calcul pentru a calcula durata de viață a bateriilor pe baza unui singur ciclu de date experimentale.

Într-un nou studiu, cercetătorii de la Laboratorul Național Argonne al Departamentului de Energie al SUA (DOE) au apelat la puterea învățării automate pentru a prezice durata de viață a unei game largi de chimie diferite ale bateriilor.Folosind datele experimentale adunate la Argonne dintr-un set de 300 de baterii care reprezintă șase chimie diferite ale bateriilor, oamenii de știință pot determina cu exactitate cât de mult timp diferite baterii vor continua să circule.

Cercetătorii Argonne au folosit modele de învățare automată pentru a face predicții privind durata de viață a bateriei pentru o gamă largă de chimie diferite.(Imagine de Shutterstock/Sealstep.)

Într-un algoritm de învățare automată, oamenii de știință antrenează un program de calculator pentru a face inferențe asupra unui set inițial de date și apoi iau ceea ce a învățat din acel antrenament pentru a lua decizii cu privire la un alt set de date.

„Pentru fiecare tip diferit de aplicație a bateriei, de la telefoane mobile la vehicule electrice și până la stocarea în rețea, durata de viață a bateriei este de o importanță fundamentală pentru fiecare consumator”, a spus cercetătorul în calcul Argonne Noah Paulson, autor al studiului.„Trebuie să ciclați o baterie de mii de ori până când eșuează poate dura ani;metoda noastră creează un fel de bucătărie de testare computațională în care putem stabili rapid cum vor funcționa diferitele baterii.”

„În acest moment, singura modalitate de a evalua modul în care capacitatea unei baterii se estompează este de a face ciclul efectiv al bateriei”, a adăugat electrochimistul Argonne Susan „Sue” Babinec, un alt autor al studiului.„Este foarte scump și durează mult.”

Potrivit lui Paulson, procesul de stabilire a duratei de viață a bateriei poate fi dificil.„Realitatea este că bateriile nu durează pentru totdeauna și cât durează depinde de modul în care le folosim, precum și de designul și chimia lor”, a spus el.„Până acum, chiar nu a existat o modalitate grozavă de a ști cât de mult va dura o baterie.Oamenii vor dori să știe cât timp mai au până vor trebui să cheltuiască bani pe o baterie nouă.”

Un aspect unic al studiului este că s-a bazat pe lucrări experimentale extinse efectuate la Argonne pe o varietate de materiale catodice bateriei, în special catodul brevetat Argonne pe bază de nichel-mangan-cobalt (NMC).„Aveam baterii care reprezentau chimie diferite, care au moduri diferite în care s-ar degrada și eșua”, a spus Paulson.„Valoarea acestui studiu este că ne-a oferit semnale care sunt caracteristice modului în care funcționează diferitele baterii.”

Studii suplimentare în acest domeniu au potențialul de a ghida viitorul bateriilor litiu-ion, a spus Paulson.„Unul dintre lucrurile pe care le putem face este să antrenăm algoritmul pe o chimie cunoscută și să-l facem să facă predicții asupra unei chimie necunoscute”, a spus el.„În esență, algoritmul ne poate ajuta să ne îndrume în direcția unor chimie noi și îmbunătățite care oferă durate de viață mai lungi.”

În acest fel, Paulson consideră că algoritmul de învățare automată ar putea accelera dezvoltarea și testarea materialelor bateriilor.„Spunem că ai un material nou și îl faci pe bicicletă de câteva ori.Ai putea să folosești algoritmul nostru pentru a-i prezice longevitatea și apoi să iei decizii dacă vrei să continui să-l ciclezi experimental sau nu.”

„Dacă sunteți cercetător într-un laborator, puteți descoperi și testa mai multe materiale într-un timp mai scurt, deoarece aveți o modalitate mai rapidă de a le evalua”, a adăugat Babinec.

O lucrare bazată pe studiu, "Ingineria caracteristicilor pentru învățarea automată a permis predicția timpurie a duratei de viață a bateriei”, a apărut în ediția online din 25 februarie a Journal of Power Sources.

Pe lângă Paulson și Babinec, alți autori ai lucrării includ Joseph Kubal de la Argonne, Logan Ward, Saurabh Saxena și Wenquan Lu.

Studiul a fost finanțat de un grant Argonne pentru cercetare și dezvoltare (LDRD).