Predstavte si jasnovidca, ktorý v deň, keď ste sa narodili, hovorí vašim rodičom, ako dlho budete žiť.Podobná skúsenosť je možná pre chemikov batérií, ktorí používajú nové výpočtové modely na výpočet životnosti batérií na základe jediného cyklu experimentálnych údajov.

V novej štúdii sa výskumníci z amerického ministerstva energetiky (DOE) Argonne National Laboratory obrátili na silu strojového učenia, aby predpovedali životnosť širokej škály rôznych chemických zložení batérií.Použitím experimentálnych údajov zozbieraných v Argonne zo sady 300 batérií reprezentujúcich šesť rôznych chemických zložení batérií môžu vedci presne určiť, ako dlho budú rôzne batérie pokračovať v cyklovaní.

Výskumníci z Argonne použili modely strojového učenia na predpovedanie životnosti batérie pre širokú škálu rôznych chemikálií.(Obrázok od Shutterstock/Sealstep.)

V algoritme strojového učenia vedci trénujú počítačový program, aby vyvodzoval závery o počiatočnom súbore údajov, a potom zoberú to, čo sa z tohto školenia naučil, na rozhodovanie o ďalšom súbore údajov.

„Pre každý iný druh použitia batérie, od mobilných telefónov cez elektrické vozidlá až po sieťové úložiská, má životnosť batérie zásadný význam pre každého spotrebiteľa,“ povedal výpočtový vedec z Argonne Noah Paulson, autor štúdie.„Tisíckrát cyklovať batériu, kým zlyhá, môže trvať roky;naša metóda vytvára akúsi výpočtovú testovaciu kuchyňu, kde môžeme rýchlo zistiť, ako budú fungovať rôzne batérie.“

„Momentálne je jediným spôsobom, ako zhodnotiť, ako sa kapacita batérie stráca, skutočne cyklovať batériu,“ dodala elektrochemička z Argonne Susan „Sue“ Babinec, ďalšia autorka štúdie."Je to veľmi drahé a trvá to dlho."

Podľa Paulsona môže byť proces stanovenia životnosti batérie zložitý.„Skutočnosť je taká, že batérie nevydržia večne a ako dlho vydržia, závisí od spôsobu, akým ich používame, ako aj od ich dizajnu a chémie,“ povedal.„Doteraz naozaj neexistoval skvelý spôsob, ako zistiť, ako dlho vydrží batéria.Ľudia budú chcieť vedieť, koľko času im zostáva, kým budú musieť minúť peniaze na novú batériu.“

Jedným z jedinečných aspektov štúdie je, že sa opierala o rozsiahlu experimentálnu prácu vykonanú v Argonne na rôznych materiáloch katódových batérií, najmä na katóde na báze niklu-mangánu-kobaltu (NMC) patentovanej spoločnosti Argonne."Mali sme batérie, ktoré reprezentovali rôzne chemické zložky, ktoré majú rôzne spôsoby, ako by sa degradovali a zlyhali," povedal Paulson."Hodnota tejto štúdie je v tom, že nám poskytla signály, ktoré sú charakteristické pre výkon rôznych batérií."

Ďalšia štúdia v tejto oblasti má potenciál usmerniť budúcnosť lítium-iónových batérií, povedal Paulson."Jednou z vecí, ktoré môžeme urobiť, je trénovať algoritmus na známej chémii a nechať ho predpovedať na neznámej chémii," povedal."Algoritmus nám v podstate môže pomôcť nasmerovať smer k novým a vylepšeným chemikáliám, ktoré ponúkajú dlhšiu životnosť."

Týmto spôsobom Paulson verí, že algoritmus strojového učenia by mohol urýchliť vývoj a testovanie materiálov batérií.„Povedzte, že máte nový materiál a niekoľkokrát ho prejdete na bicykli.Môžete použiť náš algoritmus na predpovedanie jeho životnosti a potom sa rozhodnúť, či ho chcete pokračovať v experimentálnom cyklovaní alebo nie.“

„Ak ste výskumník v laboratóriu, môžete objaviť a otestovať oveľa viac materiálov za kratší čas, pretože máte rýchlejší spôsob, ako ich vyhodnotiť,“ dodal Babinec.

Dokument založený na štúdii, „Funkcionalita strojového učenia umožnila včasné predpovedanie životnosti batérie“ sa objavilo 25. februára v online vydaní Journal of Power Sources.

Okrem Paulsona a Babinca sú ďalšími autormi článku Argonnov Joseph Kubal, Logan Ward, Saurabh Saxena a Wenquan Lu.

Štúdia bola financovaná z grantu Argonne Laboratory-Directed Research and Development (LDRD).