Predstavte si, že by vám jasnovidec v deň vášho narodenia povedal rodičom, ako dlho budete žiť. Podobnú skúsenosť môžu zažiť aj chemici špecializujúci sa na batérie, ktorí používajú nové výpočtové modely na výpočet životnosti batérií na základe už jediného cyklu experimentálnych údajov.

V novej štúdii sa výskumníci z Národného laboratória Argonne pri americkom ministerstve energetiky (DOE) obrátili na silu strojového učenia na predpovedanie životnosti širokej škály rôznych chemických zložení batérií. Pomocou experimentálnych údajov zhromaždených v Argonne zo súboru 300 batérií predstavujúcich šesť rôznych chemických zložení batérií dokážu vedci presne určiť, ako dlho sa rôzne batérie budú cyklicky nabíjať.

Výskumníci z Argonne použili modely strojového učenia na predpovedanie životnosti batériových cyklov pre širokú škálu rôznych chemických zložiek. (Obrázok od Shutterstock/Sealstep.)

V algoritme strojového učenia vedci trénujú počítačový program, aby robil závery na základe počiatočnej sady údajov, a potom na základe toho, čo sa z tohto tréningu naučil, prijímal rozhodnutia na základe inej sady údajov.

„Pre každý iný druh použitia batérií, od mobilných telefónov cez elektrické vozidlá až po sieťové úložiská, je životnosť batérie zásadne dôležitá pre každého spotrebiteľa,“ povedal Noah Paulson, počítačový vedec z Argonne a autor štúdie. „Nuť tisíckrát cyklovať batériu, kým sa nezlomí, môže trvať roky; naša metóda vytvára akúsi výpočtovú testovaciu kuchyňu, kde môžeme rýchlo zistiť, ako si budú rôzne batérie fungovať.“

„V súčasnosti je jediný spôsob, ako vyhodnotiť, ako sa znižuje kapacita batérie, jej skutočné cyklovanie,“ 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. „Realita je taká, že batérie nevydržia večne a ich životnosť závisí od spôsobu, akým ich používame, ako aj od ich dizajnu a chemického zloženia,“ povedal. „Doteraz neexistoval skvelý spôsob, ako zistiť, ako dlho batéria vydrží. Ľudia budú chcieť vedieť, ako dlho im zostáva, kým budú musieť minúť peniaze na novú batériu.“

Jedným z unikátnych aspektov štúdie je, že sa opierala o rozsiahlu experimentálnu prácu vykonanú v Argonne na rôznych materiáloch katód batérií, najmä na patentovanej katóde na báze nikel-mangán-kobaltu (NMC) od spoločnosti Argonne. „Mali sme batérie, ktoré predstavovali rôzne chemické zloženie, ktoré sa rôznymi spôsobmi degradovali a zlyhávali,“ povedal Paulson. „Hodnota tejto štúdie spočíva v tom, že nám poskytla signály, ktoré sú charakteristické pre to, ako rôzne batérie fungujú.“

Ďalší výskum v tejto oblasti má potenciál usmerniť budúcnosť lítium-iónových batérií, povedal Paulson. „Jednou z vecí, ktoré dokážeme urobiť, je trénovať algoritmus na známej chemickej štruktúre a nechať ho robiť predpovede na neznámej chemickej štruktúre,“ povedal. „V podstate nám algoritmus môže pomôcť nasmerovať sa k novým a vylepšeným chemickým štruktúram, ktoré ponúkajú dlhšiu životnosť.“

Paulson sa domnieva, že algoritmus strojového učenia by týmto spôsobom mohol urýchliť vývoj a testovanie materiálov pre batérie. „Povedzme, že máte nový materiál a niekoľkokrát ho cyklujete. Náš algoritmus by ste mohli použiť na predpovedanie jeho životnosti a potom sa rozhodnúť, či chcete v experimentálnom cyklovaní pokračovať alebo nie.“

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

Článok založený na štúdii, ​“Inžinierstvo funkcií pre strojové učenie umožnilo včasnú predpoveď životnosti batérie„,“ objavila sa 25. februára v online vydaní časopisu Journal of Power Sources.

Okrem Paulsona a Babineca sú ďalšími autormi článku Joseph Kubal z Argonne, Logan Ward, Saurabh Saxena a Wenquan Lu.

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