محققان آمریکایی رباتیک و هوش مصنوعی (AI) را برای شناسایی فرمولاسیون بهینه محلول الکترولیت مایع غیرآبی یک باتری لیتیوم یونی ترکیب کردند .
نتایج این تحقیق در نشریه معتبر Nature Communications منتشر شده است و میتواند توسعه باتریهای قابل شارژ با عملکرد بهتر، مانند شارژ سریعتر و عمر طولانیتر را تسریع کند.
توسعه فناوری باتری با کارایی بالا برای پیشبرد برقی سازی حمل و نقل و هوانوردی ضروری است. تکنیکهای مرسوم برای کشف اجزای باتری لیتیوم یونی به دلیل نیاز به آزمایش با بسیاری از انتخابهای احتمالی مواد، زمانبر است و توسعه آن ممکن است سالها طول بکشد. پیشنهاد شده است که یکی از راههای تسریع این فرآیند، جفت کردن هوش مصنوعی و روباتها برای کشف اجزای باتری بهینه شده است.
در این راستا، پژوهشگرانی از دانشگاه کارنگی ملون آمریکا یک پلتفرم روباتیک به نام “سلیو” طراحی کردند و آن را با یک هوش مصنوعی به نام “دراگون فلای” ترکیب کردند. با استفاده از این ابزارها، آنها نشان میدهند که این سیستم قادر است فرمولهای الکترولیت باتری لیتیوم یونی غیرآبی بسیار رسانا را در دو روز کاری به طور مستقل شناسایی کند. آنها نشان می دهند که رویکرد آنها در مقایسه با جستجوی تصادفی، کشف الکترولیت را شش برابر سریعتر می کند. نویسندگان فرمولهای الکترولیت را در سلولهای کیسهای لیتیوم یونی تجاری مرتبط آزمایش کردند تا عملکرد باتری با شارژ سریع را در برابر آزمایش پایه با ترکیب الکترولیت معمولی نشان دهند.
آنها به این نتیجه رسیدند که کارشان می تواند به توسعه باتری های قابل شارژ با کارایی بالا کمک کند و می تواند پیامدهایی برای کاربردهای انرژی و به طور کلی علم مواد داشته باشد.
نتایج این تحقیق در نشریه معتبر Nature Communications منتشر شده است و میتواند توسعه باتریهای قابل شارژ با عملکرد بهتر، مانند شارژ سریعتر و عمر طولانیتر را تسریع کند.
توسعه فناوری باتری با کارایی بالا برای پیشبرد برقی سازی حمل و نقل و هوانوردی ضروری است. تکنیکهای مرسوم برای کشف اجزای باتری لیتیوم یونی به دلیل نیاز به آزمایش با بسیاری از انتخابهای احتمالی مواد، زمانبر است و توسعه آن ممکن است سالها طول بکشد. پیشنهاد شده است که یکی از راههای تسریع این فرآیند، جفت کردن هوش مصنوعی و روباتها برای کشف اجزای باتری بهینه شده است.
در این راستا، پژوهشگرانی از دانشگاه کارنگی ملون آمریکا یک پلتفرم روباتیک به نام “سلیو” طراحی کردند و آن را با یک هوش مصنوعی به نام “دراگون فلای” ترکیب کردند. با استفاده از این ابزارها، آنها نشان میدهند که این سیستم قادر است فرمولهای الکترولیت باتری لیتیوم یونی غیرآبی بسیار رسانا را در دو روز کاری به طور مستقل شناسایی کند. آنها نشان می دهند که رویکرد آنها در مقایسه با جستجوی تصادفی، کشف الکترولیت را شش برابر سریعتر می کند. نویسندگان فرمولهای الکترولیت را در سلولهای کیسهای لیتیوم یونی تجاری مرتبط آزمایش کردند تا عملکرد باتری با شارژ سریع را در برابر آزمایش پایه با ترکیب الکترولیت معمولی نشان دهند.
آنها به این نتیجه رسیدند که کارشان می تواند به توسعه باتری های قابل شارژ با کارایی بالا کمک کند و می تواند پیامدهایی برای کاربردهای انرژی و به طور کلی علم مواد داشته باشد.
کد خبر ۲۲۸۰۱۰۷۱۲.۴۲۶