Что это за новый материал и чем он лучше?
Исследователи из Технологического института Нью-Джерси (NJIT) применяют искусственный интеллект для решения важной задачи: найти недорогие и экологичные альтернативы литий-ионным батареям. В исследовании, опубликованном в журнале Cell Reports Physical Science, команда под руководством профессора Дибакара Датти использовала генеративный ИИ, чтобы быстро идентифицировать новые пористые материалы. Эти материалы могут трансформировать разработку многовалентных ионных батарей, которые используют более доступные элементы, такие как магний, кальций, алюминий и цинк. В отличие от литий-ионных батарей, которые сталкиваются с растущими проблемами снабжения и устойчивости, многовалентные ионные батареи является перспективным и доступным путем развития, пишет 24 Канал.
Смотрите также Новый британский аккумулятор для электромобилей полностью заряжается всего за 18 секунд
Многовалентные ионные батареи отличаются от обычных литий-ионных тем, что используют ионы, которые несут два или три положительных заряда вместо одного. Это позволяет им хранить значительно больше энергии, делая их привлекательным вариантом для будущих технологий хранения энергии.
Однако, основная сложность заключается в большем размере и сильном заряде этих многовалентных ионов, что затрудняет их эффективное перемещение внутри стандартных материалов для батарей.
Подход команды NJIT, основанный на ИИ, был специально разработан для преодоления этого барьера путем поиска материалов, лучше приспособленных для работы с такими высокозаряженными ионами. Открытая, губчатая сеть внутри пористого переходного оксида металла позволяет более, крупным двойным или тройным заряженным ионам свободно перемещаться во время циклов заряда и разряда батареи.
Профессор Датта объяснил, что одним из самых больших препятствий было не отсутствие перспективных химических составов батарей, а полная невозможность протестировать миллионы комбинаций материалов. По его словам, команда обратилась к генеративному ИИ как к быстрому, систематическому способу просеять этот огромный ландшафт и выявить те структуры, которые могли бы сделать многовалентные батареи практичными. Это позволяет быстро исследовать тысячи потенциальных кандидатов, что значительно ускоряет поиск более эффективных и устойчивых альтернатив литий-ионной технологии.
Команда NJIT разработала новый двойной подход ИИ: Crystal Diffusion Variational Autoencoder (CDVAE) и тонко настроенную большую языковую модель (LLM). Вместе эти инструменты ИИ быстро исследовали тысячи новых кристаллических структур, что ранее было невозможным с помощью традиционных лабораторных экспериментов.
- Модель CDVAE была обучена на огромных наборах данных известных кристаллических структур, что позволило ей предлагать совершенно новые материалы с разнообразными структурными возможностями.
- В то же время LLM была настроена на выявление материалов, ближайших к термодинамической стабильности, что является решающим для практического синтеза.
Профессор Датта подчеркнул, что инструменты ИИ значительно ускорили процесс открытия, обнаружив пять совершенно новых пористых структур переходных оксидов металлов, которые демонстрируют чрезвычайный потенциал. Эти материалы имеют большие, открытые каналы, идеальные для быстрого и безопасного перемещения этих громоздких многовалентных ионов, что является критическим прорывом для батарей нового поколения.
Команда подтвердила свои ИИ-генерированные структуры с помощью квантово-механических симуляций и тестов на стабильность, подтвердив, что материалы действительно могут быть синтезированы экспериментально и имеют большой потенциал для реального применения.
Что дальше?
Датта отметил более широкие последствия их ИИ-ориентированного подхода: это больше, чем просто открытие новых материалов для батарей – речь идет о создании быстрого, масштабируемого метода для исследования любых передовых материалов, от электроники до решений чистой энергии, без обширных испытаний и ошибок.
С такими обнадеживающими результатами, Датта и его коллеги планируют сотрудничать с экспериментальными лабораториями для синтеза и тестирования их ИИ-разработанных материалов, продвигаясь дальше к коммерчески жизнеспособным многовалентным ионным батареям.