A New Jersey Institute of Technology (NJIT) kutatói mesterséges intelligenciát vetettek be az energiatárolás jövőjének egyik legnagyobb kihívásának megoldására: olcsó, környezetbarát alternatívák keresésére a lítium-ion akkumulátorok helyett.
A Cell Reports Physical Science folyóiratban megjelent tanulmányban Dibakar Datta professzor vezette csapat generatív mesterséges intelligenciát használt, hogy gyorsan azonosítsa azokat az új anyagokat, amelyek átalakíthatják az akkumulátorok fejlesztését. Ezek a következő generációs akkumulátorok szélesebb körben elérhető kémiai elemekre, például magnéziumra, kalciumra, alumíniumra és cinkre támaszkodnak. A lítium-ion akkumulátorokhoz képest, amelyek egyre problémásabbak az ellátási lánc és a fenntarthatóság miatt, az úgynevezett multi-ion akkumulátorok ígéretes és megfizethetőbb megoldást jelentenek a jövőre nézve.
Miért ezek jelentik a jövőt?
A multi-ion akkumulátorok a hagyományos lítium-ionos változatoktól abban különböznek, hogy egy helyett két vagy három pozitív töltésű ionokat használnak. Ez lehetővé teszi számukra, hogy sokkal több energiát tároljanak, ami vonzó lehetőséget kínál a jövőbeli energiatárolási technológiák számára.
A kihívás azonban ezeknek a multi-ionoknak a nagyobb mérete és erősebb töltése, ami megnehezíti számukra a hatékony mozgást a hagyományos akkumulátoranyagokban. Az NJIT csapata mesterséges intelligenciával támogatott megközelítését kifejezetten ennek az akadálynak a leküzdésére tervezték, olyan anyagok felfedezésével, amelyek jobban alkalmasak ezeknek a nagy töltésű ionoknak a kezelésére.
Generatív mesterséges intelligencia a megoldásokért
"Az egyik legnagyobb akadály nem az ígéretes akkumulátor-kémiai összetételek hiánya volt, hanem az, hogy egyszerűen lehetetlen volt több millió anyagkombinációt tesztelni" - mondta Datta. "A generatív AI-hez fordultunk, mint gyors, szisztematikus módszerhez, hogy átvizsgáljuk ezt a hatalmas területet, és megtaláljuk azokat a szerkezeteket, amelyek valóban használhatóvá tehetik a multi-ion akkumulátorokat.
"Ez a megközelítés lehetővé teszi számunkra, hogy gyorsan feltárjunk több ezer potenciális lehetőséget, ami drámai módon felgyorsítja a lítium-ion technológiánál hatékonyabb és fenntarthatóbb alternatívák keresését."
A kettős AI ereje: CDVAE és LLM
Ezen akadályok leküzdése érdekében az NJIT csapata egy újszerű kettős AI-megközelítést fejlesztett ki: a finomhangolt nagy nyelvi modelljükhöz (LLM) hozzácsapták az anyagok stabilitásának fizikai induktív torzítását figyelembe vevő CDVAE-t (Crystal Diffusion Variational Autoencoder) is. Ezek az AI-eszközök együttesen gyorsan feltérképezték több ezer új kristályszerkezetet, ami korábban hagyományos laboratóriumi kísérletekkel lehetetlen volt.
A CDVAE modellt ismert kristályszerkezetek hatalmas adathalmazán képezték ki, így teljesen új, sokféle szerkezeti lehetőséget kínáló anyagokat tudott javasolni. Eközben az LLM-et úgy hangolták, hogy a termodinamikai stabilitáshoz legközelebb álló anyagokra összpontosítson, ami elengedhetetlen a gyakorlati szintézishez.
5 áttörő szerkezet felfedezése
"AI-eszközeink drámai módon felgyorsították a kutatási folyamatot, amelynek eredményeként öt teljesen új, rendkívül ígéretes porózus átmeneti fém-oxid szerkezetet fedeztünk fel" - mondta Datta.
"Ezek az anyagok nagy, nyitott csatornákkal rendelkeznek, amelyek ideálisak a multi-ionok gyors és biztonságos mozgatásához, ami kritikus áttörést jelent a következő generációs akkumulátorok számára."
Forrás: New Jersey Institute of Technology
A csapat kvantummechanikai szimulációk és stabilitási tesztek segítségével validálta az AI által generált struktúrákat, megerősítve, hogy az anyagok valóban kísérletileg szintetizálhatók és nagy potenciállal rendelkeznek a valós alkalmazások terén.
Az akkumulátorokon túl: skálázható anyagforradalom
Datta hangsúlyozta AI-vezérelt megközelítésük szélesebb körű következményeit: "Ez több, mint csak új akkumulátoranyagok felfedezése - egy gyors, skálázható módszer kidolgozásáról van szó, amelynek segítségével kiterjedt kísérletezés és hibakeresés nélkül lehet bármilyen fejlett anyagot kutatni, az elektronikától a tiszta energiát biztosító megoldásokig."
Ezeknek az ígéretes eredményeknek köszönhetően Datta és kollégái együttműködést terveznek kísérleti laboratóriumokkal, hogy szintetizálják és teszteljék AI-vel tervezett anyagaikat, tovább tolva a határokat a kereskedelmi forgalomba hozható multi-ionos akkumulátorok felé.
