Kľúčový je aj robotický systém s názvom Clio.
Batérie sú dôležitejšie ako kedykoľvek predtým, pretože poháňajú autá, napájajú naše nespočetné množstvo zariadení a dokonca umožňujú nejaké experimentálne lietadlá lietať. Ale technológia batérií má pred sebou ešte dlhú cestu, kým uvidíme rozšírenejšie prijatie elektrických vozidiel, niekoľkomesačnú životnosť batérie notebooku a dlhšie lety na elektrických lietadlách. To je dôvod, prečo inžinieri a výskumníci z celého sveta neustále hľadajú ďalšiu veľkú inováciu batérií.
Podľa článku, ktorý bol nedávno uverejnený v Prírodné komunikácie, výskumníci z Carnegie Mellon použili kombinovaný systém robotiky a umelej inteligencie na navrhnutie lepších elektrolytov pre lítium-iónové batérie. Najmä tím hľadal elektrolyty, ktoré by umožnili rýchlejšie nabíjanie batérií – čo je dnes jeden z najväčších problémov technológie batérií. hlavná prekážka rozšíreného prijatia elektrických vozidiel.
Lítium-iónové batérie majú a katóda a anóda obklopená elektrolytom
. Keď sú nabité, ióny migrujú cez elektrolyt z katódy na anódu (a naopak, keď sa vybíjajú). Presné zloženie elektrolytu určuje, ako rýchlo sa batéria nabíja, vybíja a inak funguje. Optimalizácia roztoku elektrolytu je preto jednou z kľúčových výziev pre konštruktérov batérií.Výskumný tím použil automatizované usporiadanie čerpadiel, ventilov, nádob a ďalšieho laboratórneho vybavenia, ktoré nazvali „Clio“, aby zmiešali rôzne pomery troch potenciálnych rozpúšťadiel a jednej soli. Ako dokument zdôrazňuje, „dodanie inovácií batérií môže trvať roky“ čiastočne preto, že existuje toľko potenciálu chemikálie, ktoré možno použiť v rôznych pomeroch, takže ich optimalizácia je „časovo náročná a pracná“ – aspoň pre ľudí. Ale vďaka rôznym automatizovaným častiam dokázalo Clio vykonávať experimenty podstatne rýchlejšie.
[Súvisiace: Prečo sa spoločnosť Dyson rozhodla pre all-in na polovodičových batériách]
Aby sa ešte viac odstránil ľudský prvok, výsledky Clio boli vložené do systému strojového učenia nazvaného „Vážka“, ktorá analyzovala údaje, aby hľadala vzory a navrhla alternatívne pomery, ktoré by mohli fungovať lepšie. Clio potom automaticky spustilo tieto nové navrhované experimenty, čo umožnilo Dragonfly ešte viac optimalizovať chemické recepty.
Clio a Dragonfly, pracujúci len s jednou soľou a tromi rozpúšťadlami, dokázali vykonať 42 experimentov počas dvoch dní a prišli so šiestimi riešeniami, ktoré prekonali existujúci roztok elektrolytu vyrobený z tých istých štyroch chemikálie. Najlepšia testovacia bunka obsahujúca jeden z elektrolytov vyvinutých robotom AI sa pýšila 13 percentami zlepšenie výkonu v porovnaní s najlepšie fungujúcou testovacou bunkou s použitím komerčne dostupného elektrolyt.
V rozhovore s MIT Technology Review, Venkat Viswanathan, docent na Carnegie Mellon a jeden zo spoluautorov knihy Prírodné komunikácie papier, vysvetlil, že problém pri práci so zložkami elektrolytu je v tom, že môžete kombinovať ich „miliardami spôsobov“. Doteraz sa väčšina výskumov spoliehala na odhady, intuíciu a pokusy chyba. Clio a Dragonfly môžu testovať oveľa viac tým, že sú bez zaujatosti a rýchlo sa môžu pohybovať v experimentálnych podmienkach. možnosti ako ľudskí výskumníci – či už ide o menšie vylepšenia alebo mesačné riešenia – a nie sú ochromení svojimi predsudkami predstavy. Potom môžu vziať to, čo sa naučia z každého experimentu, a vyladiť veci, aby našli optimálne elektrolyty pre čokoľvek, čo výskumný tím potrebuje.
V tomto prípade Clio a Dragonfly optimalizovali rýchlosť nabíjania, ale podobné experimenty v „uzavretej slučke“ by mohli optimalizovať kapacitu, čas vybíjania, napätie a všetky ostatné faktory, na ktorých v komerčnej batérii záleží výkon. V skutočnosti si tím myslí, že ich práca bude „užitočná aj mimo komunity batérií“, pričom tvrdí, že ich „robotická platforma navrhnutá na mieru, plánovanie experimentov, a integrácia s testovaním zariadení bude cenná pri optimalizácii iných autonómnych objavovacích platforiem pre energetické aplikácie a vedu o materiáloch generál."
Tím v Carnegie Mellon nie je jediný skúmanie, ako môže strojové učenie optimalizovať mnohé aspekty návrhu a komplexné premenné, ktoré vstupujú do výroby, údržby a nabíjania batérií. Koncom minulého mesiaca tím vládnych výskumníkov z ministerstva energetiky Idaho National Laboratory oznámil, že našli spôsob, ako bezpečne a spoľahlivo dobíjať elektrické vozidlá. až 90 percent už za 10 minút. Použili algoritmus strojového učenia na analýzu 20 000 až 30 000 údajových bodov z rôznych druhov lítium-iónových batérií, aby našli najefektívnejší a najbezpečnejší spôsob nabíjania. Potom boli schopní potvrdiť svoje výsledky testovaním novo vyvinutých protokolov nabíjania na skutočných batériách.
A zatiaľ čo tekuté elektrolyty sú jednou hranicou pre výskum batérií, ďalšia zahŕňa skúmanie spôsobov, ako túto kvapalinu nahradiť namiesto toho pevná látka.