Сіз дүниеге келген күні ата-анаңызға қанша өмір сүретініңізді айтып жатқан экстрасенсті елестетіп көріңізші. Батарея химиктері үшін де осындай жағдай болуы мүмкін, олар батареяның қызмет ету мерзімін есептеу үшін жаңа есептеу модельдерін пайдаланады, бұл тәжірибелік деректердің бір цикліне негізделген.

АҚШ Энергетика министрлігінің (DOE) Аргонн ұлттық зертханасының зерттеушілері жаңа зерттеуде әртүрлі батарея химиялық элементтерінің қызмет ету мерзімін болжау үшін машиналық оқытудың күшіне жүгінді. Аргоннда алты түрлі батарея химиялық элементін білдіретін 300 батарея жиынтығынан жиналған эксперименттік деректерді пайдалану арқылы ғалымдар әртүрлі батареялардың қанша уақыт жұмыс істейтінін дәл анықтай алады.

Аргонн зерттеушілері әртүрлі химиялық заттардың кең ауқымы үшін батарея циклінің қызмет ету мерзімін болжау үшін машиналық оқыту модельдерін пайдаланды. (Сурет Shutterstock/Sealstep түсірген.)

Машиналық оқыту алгоритмінде ғалымдар компьютерлік бағдарламаны бастапқы деректер жиынтығы бойынша қорытынды жасауға үйретеді, содан кейін сол оқытудан үйренгендерін басқа деректер жиынтығы бойынша шешім қабылдау үшін пайдаланады.

«Ұялы телефондардан бастап электр көліктеріне және электрлік сақтау құрылғыларына дейін батареяны қолданудың әрбір түрі үшін батареяның қызмет ету мерзімі әрбір тұтынушы үшін өте маңызды», - дейді зерттеудің авторы, Аргонндық есептеу ғалымы Ноа Полсон. «Батарея істен шыққанша мыңдаған рет айналым жасау бірнеше жылға созылуы мүмкін; біздің әдісіміз әртүрлі батареялардың қалай жұмыс істейтінін тез анықтай алатын есептеу сынақ асханасын жасайды».

«Қазіргі уақытта батарея сыйымдылығының қалай төмендейтінін бағалаудың жалғыз жолы - батареяны циклдік түрде пайдалану», - деп қосты зерттеудің тағы бір авторы, Аргонн электрохимигі Сьюзан «Сью» Бабинек. «Бұл өте қымбат және көп уақытты алады».

Полсонның айтуынша, батареяның қызмет ету мерзімін белгілеу процесі күрделі болуы мүмкін. «Шындығында, батареялар мәңгілікке қызмет етпейді, және олардың қызмет ету мерзімі оларды пайдалану тәсіліне, сондай-ақ олардың дизайны мен химиялық құрамына байланысты», - деді ол. «Осы уақытқа дейін батареяның қанша уақытқа қызмет ететінін білудің тамаша тәсілі болған жоқ. Адамдар жаңа батареяға ақша жұмсауға мәжбүр болғанша қанша уақыт бар екенін білгісі келеді».

Зерттеудің бір ерекшелігі - ол Argonne-де әртүрлі батарея катод материалдары, әсіресе Argonne компаниясының патенттелген никель-марганец-кобальт (NMC) негізіндегі катод бойынша жүргізілген кең ауқымды эксперименттік жұмыстарға сүйенді. «Бізде әртүрлі химиялық құрамды білдіретін, ыдырау және істен шығу жолдары әртүрлі батареялар болды», - деді Полсон. «Бұл зерттеудің құндылығы - ол бізге әртүрлі батареялардың қалай жұмыс істейтініне тән сигналдар берді».

Полсонның айтуынша, бұл саладағы зерттеулер литий-ионды батареялардың болашағын бағдарлауға мүмкіндік береді. «Біз жасай алатын нәрселердің бірі - алгоритмді белгілі химия бойынша оқыту және оған белгісіз химия бойынша болжам жасау», - деді ол. «Негізінен, алгоритм бізге ұзақ қызмет ету мерзімін ұсынатын жаңа және жетілдірілген химия бағытын көрсетуге көмектеседі».

Осылайша, Полсон машиналық оқыту алгоритмі батарея материалдарын әзірлеуді және сынауды жеделдете алады деп санайды. «Айталық, сізде жаңа материал бар және оны бірнеше рет циклге айналдырасыз. Сіз біздің алгоритмімізді оның қызмет ету мерзімін болжау үшін пайдалана аласыз, содан кейін оны эксперименттік түрде циклге айналдыруды жалғастырғыңыз келе ме, жоқ па, соны шеше аласыз».

«Егер сіз зертханада зерттеуші болсаңыз, оларды бағалаудың жылдам жолына ие болғандықтан, қысқа мерзімде көптеген материалдарды тауып, сынақтан өткізе аласыз», - деп қосты Бабинец.

Зерттеуге негізделген мақала, «Машиналық оқытуға арналған мүмкіндіктерді жобалау батареяның қызмет ету мерзімін ерте болжауға мүмкіндік берді«,» мақаласы Journal of Power Sources журналының 25 ақпандағы онлайн басылымында жарық көрді.

Полсон мен Бабинектен басқа, мақаланың басқа авторларының қатарында Аргоннан Джозеф Кубал, Логан Уорд, Саурабх Саксена және Веньцюань Лу бар.

Зерттеу Argonne зертханасына бағытталған зерттеу және әзірлеу (LDRD) грантымен қаржыландырылды.