پژوهشگران دانشگاه کرنل با ترکیب هوش مصنوعی و روش‌های نوین شیمیایی، رویکرد تازه‌ای برای طراحی مواد مورد استفاده در باتری‌ها توسعه داده‌اند. این دستاورد می‌تواند به تولید باتری‌هایی ایمن‌تر، بادوام‌تر و با سرعت شارژ بالاتر منجر شود.
یکی از مهم‌ترین اجزای باتری‌ها، الکترولیت است؛ ماده‌ای که انتقال یون‌ها میان الکترودهای باتری را امکان‌پذیر می‌کند و نقش مهمی در ظرفیت ذخیره انرژی، طول عمر و سرعت شارژ دارد. طراحی این مواد دشوار است، زیرا حتی تغییرات جزئی در ترکیب شیمیایی آن‌ها می‌تواند عملکرد باتری را به‌طور چشمگیری تغییر دهد.
تیم تحقیقاتی دانشگاه کرنل به سرپرستی فنگچی یو، سامانه هوش مصنوعی جدیدی به نام IonNet توسعه داده است که می‌تواند میزان تحرک یون‌های لیتیوم در مواد جامد را تنها بر اساس ترکیب شیمیایی آن‌ها پیش‌بینی کند.
مزیت مهم این فناوری آن است که برخلاف بسیاری از مدل‌های هوش مصنوعی حوزه مواد، برای انجام پیش‌بینی به اطلاعات دقیق ساختار بلوری مواد نیاز ندارد.
این سامانه از میان حدود ۴۵۰۰ ترکیب پایدار، ۸۷ گزینه مناسب برای هدایت سریع یون‌ها شناسایی کرد. همچنین در بررسی نزدیک به ۵ میلیون ترکیب جایگزین، حدود ۶۳ هزار گزینه را پیشنهاد داد. پژوهشگران با شبیه‌سازی‌های مبتنی بر فیزیک، ۲۰ مورد از پیش‌بینی‌ها را بررسی کردند که ۱۳ مورد از آن‌ها به‌عنوان رسانای سریع یون تأیید شدند.
IonNet علاوه بر شناسایی مواد امیدوارکننده، می‌تواند الگوهای شیمیایی مؤثر بر حرکت سریع‌تر یون‌های لیتیوم را نیز مشخص کند؛ موضوعی که به دانشمندان کمک می‌کند مواد جدید را هدفمندتر طراحی کنند.
در پژوهشی دیگر که در مجله Nature Communications منتشر شده، محققان با تغییر نحوه احاطه شدن یون‌ها توسط مولکول‌های موجود در الکترولیت، توانستند عملکرد نوع متفاوتی از باتری‌ها به نام باتری‌های غلظتی را به شکل چشمگیری بهبود دهند.
این باتری‌ها به‌جای استفاده از الکترودهای متفاوت، انرژی الکتریکی را از اختلاف غلظت الکترولیت‌ها تولید می‌کنند. پیش‌تر تصور می‌شد ولتاژ این نوع باتری‌ها کمتر از ۰.۰۶ ولت باشد؛ اما پژوهشگران توانستند ولتاژ باتری‌های غلظتی مبتنی بر روی و مس را به ۰.۷ ولت برسانند؛ یعنی بیش از ۱۰ برابر حد تصورشده.
همچنین ترکیب این روش با الکترودهای متداول، امکان ساخت باتری‌های آبی با ولتاژ ۲.۲ تا ۲.۵ ولت را فراهم کرد؛ رقمی بالاتر از ولتاژ معمول ۱.۵ ولتی باتری‌های قلمی آلکالاین.
این دو پژوهش نشان می‌دهند که ترکیب هوش مصنوعی، دانش شیمی و شبیه‌سازی‌های فیزیکی می‌تواند فرایند طراحی باتری را از روش‌های سنتی مبتنی بر آزمون‌وخطا به سمت طراحی علمی و هدفمند سوق دهد و مسیر توسعه نسل آینده فناوری‌های ذخیره انرژی را هموار کند.
کد خبر ۲۱۰۰۵۰۸۱۸.۸۸۷
منبع: aihub.org
