پژوهشگران با هوش مصنوعی راه‌حلی برای باتری‌های پایدارتر یافتند

پژوهشگران موسسه فناوری نیوجرسی با استفاده از هوش مصنوعی مولد، پنج ترکیب جدید برای ساخت باتری‌های چندظرفیتی کشف کرده‌اند که می‌توانند چالش‌های باتری‌های لیتیوم-یون را برطرف کنند و راه را برای ذخیره‌سازی انرژی پایدارتر و کارآمدتر هموار سازند.

پژوهشگران با بهره‌گیری از هوش مصنوعی موفق به کشف موادی جدید شده‌اند که می‌توانند تحولی اساسی در فناوری باتری‌ها ایجاد کنند.

به گزارش independent در حالی که فناوری باتری یکی از عوامل کلیدی در حرکت به‌سوی جهانی پایدارتر به‌شمار می‌رود، باتری‌های لیتیوم-یون که در حال حاضر در بسیاری از دستگاه‌ها استفاده می‌شوند دارای محدودیت‌هایی از جمله چگالی پایین انرژی، کاهش تدریجی ظرفیت و حساسیت به گرما هستند.

یکی از راهکار‌هایی که دانشمندان برای رفع این محدودیت‌ها دنبال می‌کنند توسعه باتری‌های چندظرفیتی (Multivalent) است. این نوع باتری‌ها به‌جای لیتیوم از عناصر در دسترس‌تری استفاده می‌کنند و از نظر اقتصادی زیست‌محیطی و کارایی مزایای بیشتری دارند. با این حال ابعاد بزرگ‌تر و بار الکتریکی بیشتر یون‌های چندظرفیتی باعث شده است که ادغام آنها در باتری‌ها با چالش‌هایی همراه باشد.

اکنون تیمی از پژوهشگران موسسه فناوری نیوجرسی با استفاده از هوش مصنوعی مولد مشابه فناوری به‌کاررفته در سامانه‌هایی نظیر ChatGPT موفق به شناسایی ترکیباتی جدید برای ساخت باتری‌های چندظرفیتی شده‌اند.

همچنین بخوانید: پیش‌بینی مایکروسافت: ماوس و کیبورد تا ۵ سال آینده منسوخ می‌شوند

بررسی هزاران ترکیب بالقوه در مدت کوتاه

دیباکار داتا در این‌باره می‌گوید: یکی از بزرگ‌ترین موانع پیش روی ما نه کمبود ترکیب‌های شیمیایی مناسب برای باتری بلکه غیرممکن بودن آزمایش میلیون‌ها ترکیب مختلف بود. ما به هوش مصنوعی مولد روی آوردیم تا به‌صورت سریع و نظام‌مند این فضای گسترده را بررسی کنیم و ساختار‌هایی را شناسایی کنیم که واقعا می‌توانند باتری‌های چندظرفیتی را عملیاتی کنند.

او افزود: این رویکرد به ما اجازه داد تا هزاران ترکیب بالقوه را در مدت کوتاهی بررسی کنیم و روند جست‌و‌جو برای جایگزین‌های پایدارتر و کارآمدتر نسبت به فناوری لیتیوم-یون را به‌طور چشمگیری تسریع کنیم.

این سامانه هوش مصنوعی موفق شد پنج ساختار کاملاً جدید از دسته اکسید‌های فلزات واسطه متخلخل را شناسایی کند که دارای کانال‌های باز و بزرگ هستند؛ ویژگی‌ای که برای جابه‌جایی سریع و ایمن یون‌های چندظرفیتی حیاتی است.

پس از شناسایی اولیه این ترکیبات با کمک هوش مصنوعی‌پژوهشگران آنها را با شبیه‌سازی‌های سنتی مورد ارزیابی قرار دادند تا از امکان استفاده واقعی از آنها اطمینان حاصل کنند.

نتایج این پژوهش در مقاله‌ای با عنوان هوش مصنوعی مولد برای کشف مواد اکسیدی متخلخل در ذخیره‌سازی انرژی نسل آینده در ژورنال Cell Reports منتشر شده است.

منبع: برنا

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

نوشته های مشابه

دکمه بازگشت به بالا