Imaginează-ți un clarvăzător care le spune părinților tăi, în ziua în care te-ai născut, cât vei trăi. O experiență similară este posibilă și pentru chimiștii specializați în baterii, care folosesc noi modele computaționale 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 compoziții chimice ale bateriilor. Folosind date experimentale colectate la Argonne de la un set de 300 de baterii reprezentând șase compoziții chimice diferite, oamenii de știință pot determina cu precizie cât timp vor continua să funcționeze diferite baterii.

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

Într-un algoritm de învățare automată, oamenii de știință antrenează un program de calculator să facă inferențe pe baza unui set inițial de date și apoi ia ceea ce a învățat din acel antrenament pentru a lua decizii pe baza unui alt set de date.

„Pentru fiecare tip de aplicație a bateriei, de la telefoane mobile la vehicule electrice și stocare în rețea, durata de viață a bateriei este de o importanță fundamentală pentru fiecare consumator”, a declarat Noah Paulson, specialist în calcule la Argonne, autor al studiului. „A fi nevoit să pornești o baterie de mii de ori până când se defectează poate dura ani de zile; metoda noastră creează un fel de bucătărie de testare computațională unde putem stabili rapid cum se vor comporta diferite baterii.”

„În prezent, singura modalitate de a evalua cum scade capacitatea unei baterii este de a porni bateria prin cicluri”, a adăugat electrochimistul Susan „Sue” Babinec de la Argonne, o altă autoare a studiului. „Este foarte scump și durează mult timp.”

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

Un aspect unic al studiului este faptul că s-a bazat pe o muncă experimentală extinsă efectuată la Argonne pe o varietate de materiale pentru catozii de baterii, în special pe catodul brevetat de Argonne pe bază de nichel-mangan-cobalt (NMC). „Am avut baterii care reprezentau chimii diferite, care aveau moduri diferite în care se degradau și se defectează”, a spus Paulson. „Valoarea acestui studiu constă în faptul că ne-a oferit semnale caracteristice modului în care funcționează diferite baterii.”

Studiile 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 pe o chimie necunoscută”, a spus el. „În esență, algoritmul ne poate ajuta să ne îndreptăm spre chimii 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 pentru baterii. „Să presupunem că aveți un material nou și îl reciclați de câteva ori. Ați putea folosi algoritmul nostru pentru a-i prezice longevitatea și apoi a lua decizii dacă doriți să continuați să îl reciclați experimental sau nu.”

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

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

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

Studiul a fost finanțat printr-un grant de cercetare și dezvoltare dirijată de Laboratorul Argonne (LDRD).