تخيل أن عرافاً أخبر والديك، يوم ولادتك، كم ستعيش. تجربة مماثلة ممكنة لكيميائيي البطاريات الذين يستخدمون نماذج حسابية جديدة لحساب أعمار البطاريات بناءً على دورة واحدة فقط من البيانات التجريبية.

في دراسة حديثة، استعان باحثون في مختبر أرغون الوطني التابع لوزارة الطاقة الأمريكية بتقنية التعلّم الآلي للتنبؤ بعمر مجموعة واسعة من أنواع البطاريات المختلفة. وباستخدام بيانات تجريبية جُمعت في أرغون من 300 بطارية تمثل ستة أنواع مختلفة من البطاريات، تمكّن العلماء من تحديد مدة استمرار عمل كل نوع من البطاريات بدقة.

استخدم باحثون من مختبر أرغون الوطني نماذج التعلم الآلي للتنبؤ بعمر دورة البطارية لمجموعة واسعة من التركيبات الكيميائية المختلفة. (صورة من Shutterstock/Sealstep.)

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

قال نوح بولسون، عالم الحوسبة في مختبر أرجون الوطني وأحد مؤلفي الدراسة: "في كل استخدام للبطاريات، من الهواتف المحمولة إلى المركبات الكهربائية إلى تخزين الطاقة في الشبكة، يُعد عمر البطارية ذا أهمية بالغة لكل مستهلك. قد يستغرق الأمر سنوات حتى تتعطل البطارية نتيجةً لدورات شحن وتفريغ متكررة، لذا تُوفر طريقتنا بيئة اختبار حاسوبية تُتيح لنا تحديد أداء البطاريات المختلفة بسرعة."

وأضافت سوزان "سو" بابينيك، الكيميائية الكهربائية في مختبر أرجون الوطني، وهي مؤلفة أخرى للدراسة: "في الوقت الحالي، الطريقة الوحيدة لتقييم مدى تدهور سعة البطارية هي تشغيلها وتفريغها بشكل دوري. إنها عملية مكلفة للغاية وتستغرق وقتاً طويلاً".

بحسب بولسون، فإن تحديد عمر البطارية قد يكون معقدًا. يقول: "في الواقع، لا تدوم البطاريات إلى الأبد، ويعتمد عمرها على طريقة استخدامنا لها، بالإضافة إلى تصميمها وتركيبها الكيميائي. حتى الآن، لم تكن هناك طريقة فعّالة لمعرفة عمر البطارية. سيرغب الناس في معرفة المدة المتبقية لديهم قبل أن يضطروا إلى شراء بطارية جديدة."

من أبرز جوانب هذه الدراسة اعتمادها على أعمال تجريبية مكثفة أُجريت في مختبر أرجون الوطني على مجموعة متنوعة من مواد الكاثود المستخدمة في البطاريات، ولا سيما الكاثود الحاصل على براءة اختراع من مختبر أرجون والمصنوع من النيكل والمنغنيز والكوبالت (NMC). يقول بولسون: "لقد استخدمنا بطاريات ذات تركيبات كيميائية مختلفة، ولكل منها طريقة مختلفة في التدهور والتعطل. تكمن أهمية هذه الدراسة في أنها زودتنا بمؤشرات مميزة لأداء البطاريات المختلفة."

قال بولسون إن إجراء المزيد من الدراسات في هذا المجال قد يُسهم في توجيه مستقبل بطاريات الليثيوم أيون. وأضاف: "من بين ما نستطيع فعله هو تدريب الخوارزمية على تركيبة كيميائية معروفة، ثم جعلها تتنبأ بتركيبة كيميائية غير معروفة. وبذلك، قد تساعدنا الخوارزمية في التوصل إلى تركيبات كيميائية جديدة ومحسّنة توفر عمرًا أطول للبطاريات".

يعتقد بولسون أن خوارزمية التعلم الآلي بهذه الطريقة قادرة على تسريع تطوير واختبار مواد البطاريات. ويقول: "لنفترض أن لديك مادة جديدة، وقمت باختبارها عدة مرات. يمكنك استخدام خوارزميتنا للتنبؤ بعمرها الافتراضي، ومن ثم اتخاذ قرارات بشأن ما إذا كنت ترغب في مواصلة اختبارها تجريبياً أم لا."

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

ورقة بحثية تستند إلى الدراسة، "أتاحت هندسة الميزات للتعلم الآلي التنبؤ المبكر بعمر البطاريةظهرت هذه المقالة في النسخة الإلكترونية الصادرة في 25 فبراير من مجلة مصادر الطاقة.

بالإضافة إلى بولسون وبابينيك، يشمل المؤلفون الآخرون للورقة البحثية جوزيف كوبال من أرجون، ولوجان وارد، وسوراب ساكسينا، ووينكوان لو.

تم تمويل الدراسة بمنحة من مختبر أرجون للبحث والتطوير الموجه (LDRD).