Ključan je i robotski sustav nazvan Clio.
Baterije su važnije nego ikada jer pokreću automobile, napajaju naše bezbrojne uređaje i čak omogućuju neke eksperimentalne letjelice letjeti. Ali tehnologija baterija mora prijeći dug put prije nego što budemo vidjeli šire prihvaćanje električnih vozila, višemjesečno trajanje baterije prijenosnog računala i dulje letove električnim zrakoplovima. Zato su inženjeri i istraživači diljem svijeta stalno u potrazi za sljedećom velikom inovacijom baterija.
Prema radu koji je nedavno objavljen u Nature Communications, istraživači iz Carnegie Mellona upotrijebili su kombinirani sustav robota i umjetne inteligencije za dizajn boljih elektrolita za litij-ionske baterije. Konkretno, tim je tražio elektrolite koji bi omogućili brže punjenje baterija—što je jedan od najvećih problema današnje tehnologije baterija i velika prepreka širokom usvajanju električnih vozila.
Litij-ionske baterije imaju a katodu i anodu okružene elektrolitom. Kada su nabijeni, ioni migriraju kroz elektrolit od katode do anode (i obrnuto kada se prazne). Točan sastav elektrolita određuje brzinu punjenja, pražnjenja i druge performanse baterije. Optimiziranje otopine elektrolita stoga je jedan od ključnih izazova za dizajnere baterija.
Istraživački tim upotrijebio je automatizirani raspored pumpi, ventila, posuda i druge laboratorijske opreme koju su nazvali "Clio" za miješanje različitih omjera tri potencijalna otapala i jedne soli. Kao što novine ističu, "inovacije u baterijama mogu potrajati godinama" djelomično zato što postoji toliko mnogo potencijala kemikalije koje se mogu koristiti u različitim omjerima da je njihova optimizacija "dugotrajna i naporna" - barem za narod. Ali sa svojim raznim automatiziranim dijelovima, Clio je mogao izvoditi eksperimente znatno brže.
[Povezano: Zašto Dyson ide all-in na solid-state baterije]
Kako bi se još više uklonio ljudski element, Cliovi rezultati uneseni su u sustav strojnog učenja nazvan "Dragonfly" koji je analizirao podatke kako bi potražio uzorke i predložio alternativne omjere koji bi mogli funkcionirati bolje. Clio je zatim automatski pokrenuo te nove predložene pokuse, dopuštajući Dragonflyju da dodatno optimizira kemijske recepte.
Ukupno, radeći sa samo jednom soli i tri otapala, Clio i Dragonfly uspjeli su izvesti 42 eksperimenta u dva dana i došli do šest rješenja koja su bila bolja od postojeće otopine elektrolita napravljene od ista četiri kemikalije. Najbolja testna ćelija koja je sadržavala jedan od elektrolita koje je razvio robot-AI imala je 13 posto poboljšanje performansi u usporedbi s testnom ćelijom s najboljom izvedbom korištenjem komercijalno dostupnih elektrolit.
U intervjuu sa MIT Technology Review, Venkat Viswanathan, izvanredni profesor na Carnegie Mellon i jedan od koautora Nature Communications papir, objasnio je da je problem u radu sa sastojcima elektrolita to što ih možete kombinirati njih "na milijarde načina". Do sada se većina istraživanja oslanjala na nagađanje, intuiciju i pokušaje greška. Budući da nisu pristrani i mogu brzo kružiti kroz eksperimentalne uvjete, Clio i Dragonfly mogu testirati mnogo više mogućnosti od ljudskih istraživača - bilo da se radi o manjim doradama ili rješenjima s mjeseca - i nisu sputani svojim unaprijed zamišljenim pojmovi. Zatim mogu uzeti ono što nauče iz svakog eksperimenta i prilagoditi stvari kako bi pronašli optimalne elektrolite za sve što istraživački tim treba.
U ovom su slučaju Clio i Dragonfly optimizirali brzinu punjenja, ali slični eksperimenti "zatvorene petlje" mogli bi optimizirajte za kapacitet, vrijeme pražnjenja, napon i sve druge čimbenike koji su važni u komercijalnoj bateriji izvođenje. Zapravo, tim misli da će njihov rad "biti koristan izvan zajednice baterija", tvrdeći da njihova "po mjeri dizajnirana robotska platforma, planiranje eksperimenata, a integracija s testiranjem uređaja bit će vrijedna u optimizaciji drugih autonomnih platformi za otkrivanje energetskih aplikacija i znanosti o materijalima u Općenito."
Tim u Carnegie Mellonu nije jedini istražujući kako strojno učenje može optimizirati mnoga razmatranja dizajna i složene varijable koje ulaze u proizvodnju baterija, održavanje i punjenje. Krajem prošlog mjeseca, tim vladinih istraživača iz Nacionalnog laboratorija Idaho koji vodi Odjel za energiju objavio je da su pronašli način za sigurno i pouzdano punjenje električnih vozila do 90 posto unutar samo 10 minuta. Koristili su algoritam strojnog učenja za analizu između 20.000 i 30.000 podatkovnih točaka iz različitih vrsta litij-ionskih baterija kako bi pronašli najučinkovitiju i najsigurniju metodu ponovnog punjenja. Zatim su mogli potvrditi svoje rezultate testiranjem novorazvijenih protokola punjenja na pravim baterijama.
I dok su tekući elektroliti jedna granica za istraživanje baterija, druga uključuje istraživanje načina zamjene te tekućine umjesto toga čvrsta.