Predstavljajte si jasnovidca, ki vašim staršem na dan vašega rojstva pove, kako dolgo boste živeli.Podobno izkušnjo imajo kemiki za baterije, ki uporabljajo nove računalniške modele za izračun življenjske dobe baterij na podlagi samo enega cikla eksperimentalnih podatkov.

V novi študiji so raziskovalci ameriškega Ministrstva za energijo (DOE) Argonne National Laboratory uporabili moč strojnega učenja za napovedovanje življenjske dobe širokega nabora različnih kemijskih sestav baterij.Z uporabo eksperimentalnih podatkov, zbranih v Argonnu iz nabora 300 baterij, ki predstavljajo šest različnih kemijskih lastnosti baterij, lahko znanstveniki natančno določijo, kako dolgo bodo različne baterije še ciklično delovale.

Raziskovalci Argonne so uporabili modele strojnega učenja za napovedi življenjske dobe baterije za širok spekter različnih kemij.(Slika Shutterstock/Sealstep.)

V algoritmu strojnega učenja znanstveniki usposobijo računalniški program za sklepanje o začetnem nizu podatkov, nato pa vzamejo tisto, kar se je naučil iz tega usposabljanja, da sprejmejo odločitve o drugem nizu podatkov.

"Za vsako drugačno uporabo baterije, od mobilnih telefonov do električnih vozil do shranjevanja v omrežju, je življenjska doba baterije bistvenega pomena za vsakega potrošnika," je dejal računalniški znanstvenik iz Argonne Noah Paulson, avtor študije.​»Če je treba baterijo tisočkrat zamenjati, dokler ne odpove, lahko traja leta;naša metoda ustvarja nekakšno računalniško testno kuhinjo, kjer lahko hitro ugotovimo, kako se bodo obnesle različne baterije.«

"Trenutno je edini način, da ocenimo, kako zmogljivost baterije zbledi, ta, da dejansko zamenjamo baterijo," je dodala elektrokemik iz Argonna Susan ​"Sue" Babinec, druga avtorica študije."Je zelo drago in traja dolgo."

Po mnenju Paulsona je postopek določanja življenjske dobe baterije lahko težaven.»Resnica je, da baterije ne zdržijo večno in kako dolgo zdržijo, je odvisno od načina, na katerega jih uporabljamo, pa tudi od njihove zasnove in kemije,« je dejal.​»Do zdaj res ni bilo odličnega načina, da bi vedeli, kako dolgo bo baterija zdržala.Ljudje bodo želeli vedeti, koliko časa imajo, dokler ne bodo morali porabiti denarja za novo baterijo.«

Edinstven vidik študije je, da se je zanašala na obsežno eksperimentalno delo, opravljeno v Argonnu na različnih katodnih materialih baterij, zlasti na Argonnovi patentirani katodi na osnovi niklja, mangana in kobalta (NMC).»Imeli smo baterije, ki so predstavljale različne kemije, ki imajo različne načine, kako bi se razgradile in odpovedale,« je dejal Paulson."Vrednost te študije je, da nam je dala signale, ki so značilni za delovanje različnih baterij."

Nadaljnje študije na tem področju lahko usmerjajo prihodnost litij-ionskih baterij, je dejal Paulson.​»Ena od stvari, ki jih lahko naredimo, je, da usposobimo algoritem za znano kemijo in mu zagotovimo napovedi za neznano kemijo,« je dejal."V bistvu nam lahko algoritem pomaga usmeriti v smeri novih in izboljšanih kemij, ki ponujajo daljšo življenjsko dobo."

Na ta način Paulson meni, da bi algoritem strojnega učenja lahko pospešil razvoj in testiranje baterijskih materialov.​Recite, da imate nov material in ga nekajkrat zavrtite.Lahko bi uporabili naš algoritem za napovedovanje njegove dolgoživosti in nato sprejeli odločitve o tem, ali ga želite nadaljevati eksperimentalno ali ne.«

»Če ste raziskovalec v laboratoriju, lahko v krajšem času odkrijete in preizkusite veliko več materialov, ker jih lahko hitreje ocenite,« je dodal Babinec.

Prispevek, ki temelji na študiji, ​“Inženiring funkcij za strojno učenje je omogočil zgodnje predvidevanje življenjske dobe baterije,« se je 25. februarja pojavil v spletni izdaji Journal of Power Sources.

Poleg Paulsona in Babinca so drugi avtorji prispevka še Joseph Kubal iz Argonne, Logan Ward, Saurabh Saxena in Wenquan Lu.

Študijo je financirala donacija Argonne Laboratory-Directed Research and Development (LDRD).