تخيل أن وسيطًا روحيًا يخبر والديك، في اليوم الذي ولدت فيه، كم ستعيش.من الممكن إجراء تجربة مماثلة لكيميائيي البطاريات الذين يستخدمون نماذج حسابية جديدة لحساب عمر البطارية استنادًا إلى دورة واحدة من البيانات التجريبية.

في دراسة جديدة، تحول الباحثون في مختبر أرجون الوطني التابع لوزارة الطاقة الأمريكية إلى قوة التعلم الآلي للتنبؤ بعمر مجموعة واسعة من كيمياء البطاريات المختلفة.باستخدام البيانات التجريبية التي تم جمعها في أرجون من مجموعة مكونة من 300 بطارية تمثل ستة كيمياء مختلفة للبطاريات، يمكن للعلماء أن يحددوا بدقة المدة التي ستستمر فيها البطاريات المختلفة في الدوران.

استخدم باحثو أرجون نماذج التعلم الآلي للتنبؤ بعمر دورة البطارية لمجموعة واسعة من الكيمياء المختلفة.(الصورة بواسطة Shutterstock/Sealstep.)

في خوارزمية التعلم الآلي، يقوم العلماء بتدريب برنامج كمبيوتر على التوصل إلى استنتاجات بشأن مجموعة أولية من البيانات، ثم يأخذون ما تعلموه من هذا التدريب لاتخاذ قرارات بشأن مجموعة أخرى من البيانات.

وقال نواه بولسون، العالم الحسابي في أرجون، ومؤلف الدراسة: "بالنسبة لكل أنواع مختلفة من تطبيقات البطاريات، من الهواتف المحمولة إلى السيارات الكهربائية إلى شبكات التخزين، فإن عمر البطارية له أهمية أساسية لكل مستهلك"."إن الاضطرار إلى تدوير البطارية آلاف المرات حتى تتعطل قد يستغرق سنوات؛طريقتنا تخلق نوعًا من مطبخ الاختبار الحسابي حيث يمكننا أن نحدد بسرعة كيفية أداء البطاريات المختلفة.

وأضافت سوزان "سو" بابينك، عالمة الكيمياء الكهربية في أرجون، وهي مؤلفة أخرى للدراسة: "في الوقت الحالي، الطريقة الوحيدة لتقييم كيفية تلاشي سعة البطارية هي تدوير البطارية فعليًا"."إنها مكلفة للغاية وتستغرق وقتًا طويلاً."

وفقا لبولسون، فإن عملية تحديد عمر البطارية يمكن أن تكون صعبة.وقال: "الحقيقة هي أن البطاريات لا تدوم إلى الأبد، ومدة استمرارها تعتمد على الطريقة التي نستخدمها بها، وكذلك تصميمها وكيميائها"."حتى الآن، لا توجد طريقة رائعة لمعرفة المدة التي ستستمر فيها البطارية.سيرغب الناس في معرفة المدة المتبقية لهم قبل أن يضطروا إلى إنفاق الأموال على بطارية جديدة.

أحد الجوانب الفريدة للدراسة هو أنها اعتمدت على العمل التجريبي المكثف الذي تم إجراؤه في أرجون على مجموعة متنوعة من مواد كاثود البطارية، وخاصة الكاثود القائم على النيكل والمنغنيز والكوبالت (NMC) الحاصل على براءة اختراع من أرجون.وقال بولسون: "كانت لدينا بطاريات تمثل كيمياء مختلفة، ولها طرق مختلفة تتحلل وتفشل".​"قيمة هذه الدراسة هي أنها أعطتنا إشارات مميزة لكيفية أداء البطاريات المختلفة."

وقال بولسون إن إجراء المزيد من الدراسات في هذا المجال لديه القدرة على توجيه مستقبل بطاريات الليثيوم أيون.وقال: "أحد الأشياء التي يمكننا القيام بها هو تدريب الخوارزمية على كيمياء معروفة وجعلها تتنبأ بكيمياء غير معروفة"."في الأساس، قد تساعدنا الخوارزمية في توجيهنا نحو كيمياء جديدة ومحسنة توفر عمرًا أطول."

وبهذه الطريقة، يعتقد بولسون أن خوارزمية التعلم الآلي يمكنها تسريع تطوير واختبار مواد البطارية."لنفترض أن لديك مادة جديدة، وقمت بتدويرها عدة مرات.يمكنك استخدام الخوارزمية الخاصة بنا للتنبؤ بطول عمرها، ومن ثم اتخاذ قرارات بشأن ما إذا كنت تريد الاستمرار في تدويرها تجريبيًا أم لا.

وأضاف بابينيك: "إذا كنت باحثًا في المختبر، فيمكنك اكتشاف واختبار العديد من المواد في وقت أقصر لأن لديك طريقة أسرع لتقييمها".

ورقة مبنية على الدراسة ​"أتاحت هندسة الميزات للتعلم الآلي التنبؤ المبكر بعمر البطارية"، ظهر في النسخة الإلكترونية بتاريخ 25 فبراير من مجلة مصادر الطاقة.

بالإضافة إلى بولسون وبابينيك، هناك مؤلفون آخرون لهذه الورقة مثل جوزيف كوبال من أرجون، ولوغان وارد، وسوراب ساكسينا، ووينكوان لو.

تم تمويل الدراسة من خلال منحة البحث والتطوير الموجهة من مختبر أرجون (LDRD).