Kujutage ette selgeltnägijat, kes ütleb teie vanematele teie sünnipäeval, kui kaua te elate. Sarnane kogemus on võimalik ka akude keemikutele, kes kasutavad uusi arvutusmudeleid akude eluea arvutamiseks vaid ühe katseandmete tsükli põhjal.

Uues uuringus on USA energeetikaministeeriumi (DOE) Argonne'i riikliku labori teadlased pöördunud masinõppe poole, et ennustada paljude erinevate akude keemilisi koostisi. Kasutades Argonne'is kogutud eksperimentaalseid andmeid 300 aku komplektist, mis esindavad kuut erinevat akude keemilist koostist, saavad teadlased täpselt kindlaks määrata, kui kaua erinevad akud tsüklit jätkavad.

Argonne'i teadlased on kasutanud masinõppemudeleid, et ennustada aku tsükli eluiga paljude erinevate keemiliste ühendite puhul. (Pilt: Shutterstock/Sealstep.)

Masinõppe algoritmis treenivad teadlased arvutiprogrammi tegema järeldusi esialgse andmekogumi põhjal ja seejärel võtma selle treeningu käigus õpitu põhjal vastu otsuseid teise andmekogumi põhjal.

„Igasuguse aku rakenduse puhul, alates mobiiltelefonidest ja elektriautodest kuni võrgusalvestuseni, on aku eluiga iga tarbija jaoks ülioluline,“ ütles uuringu autor Argonne'i arvutusteadlane Noah Paulson. „Aku tuhandete tsüklite läbitöötamine kuni rikkeni võib võtta aastaid; meie meetod loob omamoodi arvutusliku testimisköögi, kus saame kiiresti kindlaks teha, kuidas erinevad akud toimivad.“

„Praegu on ainus viis aku mahtuvuse vähenemise hindamiseks aku tsükliline käivitamine,“ lisas uuringu teine ​​autor, Argonne'i elektrokeemik Susan „Sue“ Babinec. „See on väga kallis ja võtab kaua aega.“

Paulsoni sõnul võib aku eluea kindlaksmääramine olla keeruline. „Tegelikult ei kesta akud igavesti ja see, kui kaua need kestavad, sõltub sellest, kuidas me neid kasutame, samuti nende disainist ja keemilisest koostisest,“ ütles ta. „Seni pole olnud head viisi, kuidas teada saada, kui kaua aku kestab. Inimesed tahavad teada, kui kaua neil on aega, enne kui nad peavad uue aku peale raha kulutama.“

Uuringu üks ainulaadne aspekt on see, et see tugines Argonne'is tehtud ulatuslikule eksperimentaalsele tööle mitmesuguste akukatoodimaterjalide, eriti Argonne'i patenteeritud nikkel-mangaan-koobalti (NMC) baasil valmistatud katoodi kohta. „Meil olid akud, mis esindasid erinevaid keemilisi koostisosi ja millel oli erinev lagunemis- ja rikkeviis,“ ütles Paulson. „Selle uuringu väärtus seisneb selles, et see andis meile signaale, mis on iseloomulikud erinevate akude toimivusele.“

Paulson ütles, et edasised uuringud selles valdkonnas võivad suunata liitiumioonakude tulevikku. „Üks asi, mida me saame teha, on treenida algoritmi teadaoleva keemilise koostise põhjal ja lasta sellel teha ennustusi tundmatu keemilise koostise põhjal,“ ütles ta. „Põhimõtteliselt võib see algoritm aidata meil suunata end uute ja täiustatud keemiate poole, mis pakuvad pikemat eluiga.“

Sel viisil usub Paulson, et masinõppe algoritm võiks kiirendada akumaterjalide väljatöötamist ja testimist. „Oletame, et teil on uus materjal ja te tsüklite seda paar korda. Saate meie algoritmi abil ennustada selle pikaealisust ja seejärel teha otsuseid, kas soovite seda eksperimentaalselt tsükliliselt jätkata või mitte.“

„Kui oled laboris teadlane, saad avastada ja testida palju rohkem materjale lühema ajaga, sest sul on kiirem viis neid hinnata,“ lisas Babinec.

Uuringul põhinev artikkel, "Masinõppe funktsioonide väljatöötamine võimaldas aku eluea varajast ennustamist”, ilmus ajakirja Journal of Power Sources 25. veebruari veebiväljaandes.

Lisaks Paulsonile ja Babinecile on teiste artikli autorite hulgas Argonne'i Joseph Kubal, Logan Ward, Saurabh Saxena ja Wenquan Lu.

Uuringut rahastas Argonne'i laboratoorse uurimis- ja arendustegevuse (LDRD) toetus.