Исследователи использовали искусственный интеллект Dragonfly («Стрекоза») для разработки более эффективных батарей. Ученые считают, что квантовые батареи, которые используют квантово-механическую систему, известную как микромазер, для хранения энергии, заряженной через поток кубитов, одновременно защищая от риска перезарядки, через какое-то время смогут заставить батареи заряжаться практически мгновенно.
Ученые из университета Карнеги-Меллона использовали «Стрекозу» для разработки улучшенных электролитов для литий-ионных аккумуляторов, которые позволили бы батареям заряжаться быстрее.
Южнокорейские исследователи подсчитали, что технология квантовых батарей может сократить время зарядки электромобилей в домашних условиях с 10 часов до всего лишь трех минут, а зарядные станции могут полностью зарядить автомобиль всего за 90 секунд.
Исследовательская группа использовала автоматизированное расположение насосов, клапанов, сосудов и другого лабораторного оборудования, которое они назвали «Clio», для смешивания трех потенциальных растворителей и одной соли в различных соотношениях. Как отмечают ученые, «на внедрение инноваций в области аккумуляторов могут уйти годы» отчасти потому, что существует так много потенциальных химикатов, которые можно использовать в различных соотношениях, что их оптимизация «отнимает много времени и сил» – по крайней мере, для людей. Но благодаря различным автоматизированным частям Clio смогла проводить эксперименты значительно быстрее.
Чтобы еще больше исключить человеческий фактор, результаты Clio были переданы «Стрекозе», которая анализировала данные для поиска закономерностей и предлагала альтернативные соотношения, которые могли бы работать лучше. Затем Clio автоматически провела эти новые предложенные эксперименты, что позволило Dragonfly еще больше оптимизировать химические рецепты.
В общей сложности, работая только с одной солью и тремя растворителями, Клио и Стрекоза смогли провести 42 эксперимента в течение двух дней и найти шесть растворов, которые превзошли существующие растворы электролитов, сделанные из тех же четырех химических веществ. Лучшая тестовая ячейка, содержащая один из электролитов, разработанных искусственным интеллектом, показала 13-процентное улучшение производительности по сравнению с лучшей тестовой ячейкой, использующей коммерчески доступный электролит.
Один из соавторов исследования, адъюнкт-профессор Карнеги-Меллона Венкат Вишванатан, объяснил, что проблема работы с электролитными ингредиентами заключается в том, что их можно комбинировать миллиардами способов. До сих пор большинство исследований основывалось на догадках, интуиции, методе проб и ошибок. Будучи свободными от предубеждений и способными быстро переключаться между экспериментальными условиями, Clio и Dragonfly могут тестировать гораздо больше вариантов, чем исследователи-люди – будь то незначительные усовершенствования или неожиданные решения – и не скованы своими предвзятыми представлениями. Затем они могут взять то, что узнали из каждого эксперимента, и настроить вещи, чтобы найти оптимальные электролиты для всего, что нужно исследовательской группе.
В этом случае Clio и Dragonfly оптимизировали скорость перезарядки, но аналогичные эксперименты с «замкнутым циклом» могли оптимизировать емкость, время разряда, напряжение и все другие факторы, которые имеют значение для производительности коммерческих батарей. Команда считает, что их работа будет «полезной не только для аккумуляторного сообщества», утверждая, что их «индивидуально разработанная роботизированная платформа, планирование экспериментов и интеграция с тестированием устройств будут полезны для оптимизации других автономных платформ для поиска энергетических приложений и материалов и науки вообще».
Команда Carnegie Mellon – не единственная, которая изучает, как машинное обучение может оптимизировать многие аспекты проектирования и сложные переменные, связанные с производством, обслуживанием и зарядкой аккумуляторов. В конце прошлого месяца группа правительственных исследователей из Национальной лаборатории штата Айдахо, находящейся в ведении министерства энергетики США, объявила, что они нашли способ безопасно и надежно заряжать электромобили до 90 процентов всего за 10 минут. Они использовали алгоритм машинного обучения для анализа 20-30 тыс. точек данных от различных типов литий-ионных аккумуляторов, чтобы найти наиболее эффективный и безопасный метод подзарядки. Затем они смогли подтвердить свои результаты, протестировав недавно разработанные протоколы перезарядки на реальных батареях.
И в то время, как жидкие электролиты являются одной из областей исследования аккумуляторов, другая включает в себя поиск способов замены этой жидкости твердым веществом.
