Поможет ли искусственный интеллект предотвратить воспламенение батарей?

Олег Довбня

Ученые потратили десятилетия в поиске безопасной альтернативы легковоспламеняющимся жидким электролитам, используемым в литий-ионных батареях. Исследователи из Стэнфордского университета нашли более двух десятков твердых электролитов, которые теоретически могут в один из дней заменить нестабильные жидкости в смартфонах, ноутбуках и других электронных девайсах. Результаты проведенного исследования были получены с использованием технологии, основанной на искусственном интеллекте и машинном обучении.

Поможет ли искусственный интеллект предотвратить воспламенение батарей? Фото.

Результаты исследования были опубликованы в журнале Energy & Environmental Science.

Ведущий автор исследования докторант и специалист в сфере прикладной физики Остин Сендек (Austin Sendek) отмечает, что электролиты в батареях позволяют ионам лития двигаться между положительным и отрицательным электродами аккумулятора. Жидкие электролиты являются дешевыми и на самом деле хорошо проводят ионы, но они могут вызвать воспламенение в результате перегрева батареи или короткое замыкание.

Совсем недавно воспламеняющиеся батареи привели к отзыву производителем примерно двух миллионов смартфонов Samsung Galaxy Note 7. И это лишь один из привлекших внимание общественности провалов литий-ионных батарей.

Основным преимуществом твердых электролитов является их стабильность, отмечает Остин Сендек. Твердые вещества значительно с меньшей вероятностью воспламенятся или испарятся, чем органические растворы. Они более жесткие, что делает структуру батареи более прочной.

Но несмотря на годы лабораторных проб и ошибок, исследователи так и не нашли недорогой твердый материал, который будет столь же эффективен при комнатной температуре, как и жидкие электролиты.

Вместо тестирования случайно выбранных определенных соединений команда исследователей обратилась к искусственному интеллекту и машинному обучению, чтобы выстроить предсказуемую модель экспериментальных данных. Компьютерный алгоритм был обучен исследователями тому, как, основываясь на уже имеющихся данных, определять подходящие и неподходящие соединения. Этот алгоритм чем-то подобен алгоритму распознавания лиц, который обучается «узнавать» лица после просмотра нескольких примеров.

Число известных содержащих литий соединений исчисляется десятками тысяч, и большая часть из них так и не была протестирована, дополняет Остин Сендек. Некоторые из них могут оказаться отличными проводниками. Исследователи разработали компьютерную модель, которая обучается на основе ограниченного набора уже имеющихся данных и позволяет исследователям выбрать из огромной базы данных те соединения, которые потенциально могут быть использованы в батареях. Этот процесс примерно в миллион раз быстрее существующих методов проверки материалов на их соответствие стоящей перед учеными задаче.

Чтобы построить модель, Остину Сендеку пришлось потратить более двух лет, собирая воедино все известные научные данные о содержащих литий твердых соединениях.

Ведущий автор публикации ассистент-профессор Эван Рид (Evan Reed) отмечает, что Остин Сендек собрал все познания человечества об этих материалах, а также множество данных, полученных в результате измерений и экспериментов. Эти знания были использованы им для создания модели, способной предсказывать, может ли материал оказаться хорошим электролитом. В рамках данной модели для поиска наиболее перспективных для последующего изучения материалов производится скриниг полного набора всех материалов, которые потенциально могут быть использованы в батареях.

Для поиска перспективных материалов в рассматриваемой модели были использованы несколько критериев, в числе которых стабильность, затраты, распространенность, способность проводить ионы лития и способность обеспечивать движение электронов через микросхему батареи.

Остин Сендек рассказал о результатах проведенного исследования. Был осуществлен скриниг более чем 12 тысяч содержащих литий соединений, завершившийся нахождением двадцати одного перспективного электролита. Скрининг занимает всего несколько минут. Большая часть времени была потрачена исследователем на сбор и обработку всех данных, а также выработку критериев, определяющих соответствие разработанной модели поставленной задаче.

Исследователи собираются протестировать 21 материал в лаборатории, чтобы определить, какой из них окажется наиболее подходящим в реальных условиях.

Исследователи собираются распространить разработанный ими метод на повышение эффективности изучения свойств материалов в целом. Объем данных в мире растет, а компьютер может позволить повысить способность человечества к созданию инноваций вне зависимости от того, о чем идет речь — о батареях, топливных ячейках или о чем-то ином.

По материалам sciencedaily.com