Zamislite da vidovnjak kaže vašim roditeljima, na dan vašeg rođenja, koliko ćete dugo živjeti.Slično iskustvo moguće je za kemičare baterija koji koriste nove računalne modele za izračunavanje vijeka trajanja baterija na temelju samo jednog ciklusa eksperimentalnih podataka.

U novoj studiji, istraživači iz Nacionalnog laboratorija Argonne američkog Ministarstva energetike (DOE) okrenuli su se snazi ​​strojnog učenja kako bi predvidjeli životni vijek širokog raspona različitih kemijskih sastava baterija.Korištenjem eksperimentalnih podataka prikupljenih u Argonneu iz skupa od 300 baterija koje predstavljaju šest različitih kemijskih sastava baterija, znanstvenici mogu točno odrediti koliko dugo će različite baterije nastaviti ciklus.

Istraživači iz Argonnea upotrijebili su modele strojnog učenja kako bi predvidjeli vijek trajanja baterije za širok raspon različitih kemija.(Slika Shutterstock/Sealstep.)

U algoritmu strojnog učenja, znanstvenici obučavaju računalni program da donosi zaključke na početnom skupu podataka, a zatim uzimaju ono što je naučio iz te obuke za donošenje odluka o drugom skupu podataka.

"Za svaku različitu vrstu primjene baterije, od mobitela do električnih vozila do mrežnog skladištenja, životni vijek baterije je od temeljne važnosti za svakog potrošača", rekao je računalni znanstvenik iz Argonnea Noah Paulson, autor studije.​„Moranje baterije mijenjati tisuće puta dok ne otkaže može potrajati godinama;naša metoda stvara neku vrstu računalne testne kuhinje u kojoj možemo brzo utvrditi koliko će različite baterije raditi.”

"U ovom trenutku, jedini način da se procijeni kako kapacitet u bateriji blijedi je da se baterija zapravo mijenja", dodala je elektrokemičarka iz Argonnea Susan ​"Sue" Babinec, još jedna autorica studije.“Vrlo je skupo i dugo traje.”

Prema Paulsonu, postupak utvrđivanja vijeka trajanja baterije može biti nezgodan."Stvarnost je da baterije ne traju vječno, a koliko dugo traju ovisi o načinu na koji ih koristimo, kao i o njihovom dizajnu i kemiji", rekao je.​„Do sada nije postojao sjajan način da se sazna koliko dugo će baterija trajati.Ljudi će htjeti znati koliko vremena imaju dok ne moraju potrošiti novac na novu bateriju.”

Jedan jedinstveni aspekt studije je to što se oslanjala na opsežan eksperimentalni rad obavljen u Argonneu na raznim katodnim materijalima baterija, posebno Argonneovoj patentiranoj katodi na bazi nikla, mangana i kobalta (NMC)."Imali smo baterije koje su predstavljale različite kemijske sastave, koje su imale različite načine na koje bi se razgradile i pokvarile", rekao je Paulson."Vrijednost ove studije je u tome što nam je dala signale koji su karakteristični za performanse različitih baterija."

Daljnje studije u ovom području imaju potencijal voditi budućnost litij-ionskih baterija, rekao je Paulson."Jedna od stvari koje možemo učiniti je uvježbati algoritam na poznatoj kemiji i omogućiti mu da predviđa nepoznatu kemiju", rekao je."U suštini, algoritam bi nam mogao pomoći da nas usmjeri u smjeru novih i poboljšanih kemijskih spojeva koji nude dulji životni vijek."

Paulson vjeruje da bi na taj način algoritam strojnog učenja mogao ubrzati razvoj i testiranje baterijskih materijala.​„Recimo da imate novi materijal i kružite ga nekoliko puta.Mogli biste upotrijebiti naš algoritam za predviđanje njegove dugovječnosti, a zatim donijeti odluku o tome želite li nastaviti s eksperimentalnim ciklusom ili ne."

"Ako ste istraživač u laboratoriju, možete otkriti i testirati mnogo više materijala u kraćem vremenu jer imate brži način da ih ocijenite", dodao je Babinec.

Rad temeljen na studiji, ​"Inženjering značajki za strojno učenje omogućio je rano predviđanje vijeka trajanja baterije”, pojavio se u internetskom izdanju časopisa Journal of Power Sources od 25. veljače.

Osim Paulsona i Babineca, drugi autori rada su Joseph Kubal iz Argonnea, Logan Ward, Saurabh Saxena i Wenquan Lu.

Studiju je financirala potpora Argonne Laboratory-Directed Research and Development (LDRD).