Ученые наконец-то изобретут идеальный аккумулятор: помогут особые молекулы

 Об этом сообщает interestingengineering.com.

Группа ученых из Чикагского университета для обучения своей модели ИИ вручную собрала данные об аккумуляторах из 250 исследований.

Новый метод оценивает и ранжирует возможных «претендентов» на роль электролита для аккумуляторов с использованием метрики, называемой «eScore».

Используя искусственный интеллект и машинное обучение, система оценивает молекулы электролита по трем ключевым критериям эффективности, включая ионную проводимость, окислительную стабильность и кулоновскую эффективность — свойства, которые часто трудно оптимизировать одновременно.

Для создания обучающего набора данных исследователи вручную собрали данные из более чем 250 научных исследований, охватывающих больше 50 лет исследований литий-ионных аккумуляторов. Большая часть соответствующей информации требовала ручного ввода, так как существовала только в виде изображений (диаграмм или таблиц, встроенных в журнальные рисунки).

После обучения система ИИ могла оценивать молекулы-кандидаты на основе их прогнозируемой производительности, включая те, с которыми она никогда не сталкивалась. Модель определила молекулу, которая соответствовала лучшим существующим коммерческим электролитам аккумуляторов в одном случае.

По словам исследовательской группы, инновационный подход отходит от традиционных методов проб и ошибок, часто используемых при исследовании аккумуляторов.

Ученые также пояснили, что изучить все возможные комбинации электролитов, используя только лабораторные испытания, практически невозможно, поскольку число потенциальных молекул-кандидатов оценивается в 10⁶⁰.

Несмотря на огромный масштаб набора данных, исследователи подчеркнули, что обучение модели — это только начало. ИИ был оценен на молекулах, которые он никогда раньше не видел, чтобы проверить его истинный потенциал. Он хорошо показал себя на тех, которые были химически похожи на известные соединения, но испытывал трудности с незнакомыми.

Теперь команда сосредоточена на решении следующей проблемы, которая включает в себя обучение модели ИИ для точного прогнозирования производительности молекул в совершенно разных химических пространствах. Это важный шаг на пути к продвижению дизайна батареи следующего поколения.

Также стало известно, что китайские ученые придумали, как сделать аккумуляторы дешевле и долговечнее. Они использовали рентгеновскую компьютерную томографию, чтобы раскрыть сложную связь между микроструктурой электрода и процессом смачивания электролитом.