Een team van onderzoekers heeft gebruik gemaakt van kunstmatige intelligentie (AI) om een batterij te creëren die minder afhankelijk is van het kostbare mineraal lithium. Lithium-ion batterijen zijn essentieel voor het voeden van alledaagse apparaten en elektrische voertuigen, evenals voor het opslaan van hernieuwbare energie voor het groene elektriciteitsnet. Het delven van lithium is echter duur en schadelijk voor het milieu. Het traditionele proces om een lithiumvervanger te vinden vereist uitgebreid onderzoek en testen die jaren kunnen duren. Door gebruik te maken van AI slaagden Nathan Baker en zijn collega’s bij Microsoft erin dit doel binnen enkele maanden te bereiken. Het team heeft met succes een batterij ontworpen en gebouwd die tot 70% minder lithium gebruikt in vergelijking met andere bestaande ontwerpen.
Hun onderzoek richtte zich op solid-state batterijen en het identificeren van nieuwe materialen voor het elektrolytische component van de batterij, waarin de elektrische ladingen zich verplaatsen. Ze begonnen met 23,6 miljoen potentiële materialen en experimenteerden met de structuur van bestaande elektrolyten door sommige lithiumatomen te vervangen door alternatieve elementen. Met behulp van een AI-algoritme filterden ze instabiele materialen en materialen met zwakke chemische reacties die relevant zijn voor de werking van de batterij. De onderzoekers beoordeelden ook het gedrag van elk materiaal tijdens de werking van de batterij. Binnen een korte periode beperkten ze de lijst tot enkele honderden veelbelovende kandidaten, waaronder enkele voorheen onontdekte opties.
Om hun bevindingen te valideren, zocht het team advies bij experts op het gebied van grote batterijprojecten, waaronder Vijay Murugesan van het Pacific Northwest National Laboratory. Na het opnemen van aanvullende screeningcriteria voorgesteld door Murugesan’s team, kozen ze een van de suggesties van de AI voor laboratoriumsynthese. Dit specifieke materiaal trok hun aandacht omdat het natrium verving voor de helft van de verwachte lithiumatomen, wat resulteerde in een uniek elektrolytrecept. Hoewel de geleidbaarheid van de resulterende batterij lager was dan die van vergelijkbare prototypes die meer lithium gebruiken, benadrukten Baker en Murugesan de noodzaak tot verdere optimalisatie. Ondanks dit duurde het volledige proces – van het eerste gesprek tot een functionele batterij die in staat was om een lamp te voeden – ongeveer negen maanden.
Rafael Gómez-Bombarelli van het Massachusetts Institute of Technology prees de methode van het team en benadrukte de praktische implementatie en testen die het onderscheidt van puur theoretische voorspellingen. Hij waarschuwde echter dat toekomstig AI-ondersteund onderzoek uitdagingen kan tegenkomen vanwege de schaarste aan benodigde trainingsgegevens en de complexiteit van het combineren van elementen voor materialen die verder gaan dan batterijcomponenten.
Concluderend laat deze studie het potentieel van AI zien bij het versnellen van de ontwikkeling van duurzamere batterijen met minder afhankelijkheid van lithium. Met verdere verfijning kunnen dergelijke batterijen een cruciale rol spelen bij de vooruitgang van verschillende industrieën, waaronder elektrisch vervoer en de opslag van hernieuwbare energie.
The source of the article is from the blog cheap-sound.com