به جای دههها آزمایش دستی، هوش مصنوعی امکان کاوش در کل جهان مواد را تنها در عرض چند ماه فراهم میکند. (منبع: Science Daily) |
تیمی در موسسه فناوری نیوجرسی (NJIT) به رهبری پروفسور دیباکار داتا، از یک سیستم هوش مصنوعی دوگانه برای مقابله با یک چالش بزرگ برای صنعت انرژی استفاده کردند: یافتن جایگزینی برای لیتیوم، عنصری که به طور فزایندهای کمیاب و گران میشود.
نتایج تحقیقاتی که اخیراً در مجله Cell Reports Physical Science منتشر شده است، نشان میدهد که مواد جدیدی میتوانند با استفاده از عناصر فراوانی مانند منیزیم، کلسیم، آلومینیوم و روی، باتریها را پشتیبانی کنند.
باتریهای چندظرفیتی از یونهایی با دو تا سه بار مثبت استفاده میکنند - به جای فقط یک بار مثبت مانند لیتیوم - و از نظر تئوری میتوانند انرژی بیشتری ذخیره کنند. اما این یونها بزرگتر و سنگینتر هستند و حرکت آنها از طریق ساختارهای مواد مرسوم را دشوارتر میکنند. اینجاست که هوش مصنوعی وارد عمل میشود.
تیم NJIT دو مدل هوش مصنوعی را با هم ترکیب کرد: یک مدل زیستمواد به نام خودرمزگذار پراکندگی بلور (CDVAE) و یک مدل زبان بزرگ (LLM) با تنظیم ویژه. CDVAE هزاران ساختار بلوری جدید تولید میکند، در حالی که LLM پایداری ترمودینامیکی را ارزیابی میکند - یک عامل کلیدی در تحقق ماده در آزمایشگاه.
نتایج، پنج ماده اکسید فلزات واسطه کاملاً جدید با ساختارهای متخلخل و «کانالهای» عریض رسانای یون - مناسب برای انتقال یونهای چند ظرفیتی حجیم - را نشان میدهد که توسط شبیهسازیهای مکانیک کوانتومی و آزمایش پایداری تأیید شدهاند.
داتا گفت: «به جای دههها آزمایش دستی، هوش مصنوعی به ما این امکان را میدهد که کل جهان مواد را تنها در عرض چند ماه کشف کنیم. این نه تنها به ما در یافتن مواد برای باتریها کمک میکند، بلکه راه جدیدی را برای طراحی انواع مواد پیشرفته - از الکترونیک گرفته تا فناوریهای انرژی پاک - باز میکند.»
این تیم اکنون با آزمایشگاههای تجربی برای سنتز و آزمایش مواد تازه کشف شده همکاری میکند، با هدف حرکت به سمت تولید تجاری باتریهای چند ظرفیتی - گامی که میتواند آینده ذخیرهسازی انرژی را به طور کامل تغییر دهد.
منبع: https://baoquocte.vn/ai-giai-quyet-thach-thuc-lon-cua-nganh-nang-luong-goi-y-5-vat-lieu-gi-thay-the-pin-lithium-323182.html
نظر (0)