Изследователи от екипа Azure Quantum Elements (AQE) на Microsoft и от Pacific Northwest National Lab (PNNL) на Министерството на енергията на САЩ се сътрудничат в проект за ускоряване на разработката на експериментални батерии, използвайки комбинация от изкуствен интелект и високопроизводително изчисление.
Традиционният подход към разработката на батерии включва тестване на хипотези, докато не се идентифицира идеалният кандидат. Въпреки това, този процес може да отнеме много време и да бъде неефективен. Екипите на AQE и PNNL приложиха различен подход, използвайки модели на изкуствен интелект, за да оценят различни материали и да предложат обещаващи комбинации. След множество рундове на машинно обучение и симулации, те свеждаха възможностите до 18 преди това непознати съединения.
Уникалността на този проект се крие в разпределението на изчислителните ресурси. Въпреки традиционното мнение, 90% от изчислителните ресурси бяха използвани за задачи на машинно обучение, насочени към свеждане на възможностите, докато само 10% бяха използвани за задачи с висока прецизност на симулация. Това подчертава важността на по-умното използване на изчислителни ресурси за решаването на сложни проблеми.
Едно от най-успешните открития от проекта е твърдолиствен електролит, съставен от 70% натрий и 30% литий. Комбинирането на тези елементи доведе до батерия с обещаваща енергийна плътност, като се използва по-устойчив и изобилен ресурс. Процесът на синтезиране и трансформиране на съединението в батерия отнемаше около десет часа, много по-бързо от етапа на пресмятане.
Въпреки че идентификацията на нова химия за батериите е значително постижение, истинският успех лежи в бързината, с която екипите успяха да го постигнат. Традиционно, проучването на батерии от такъв мащаб би отнело години, но сътрудничеството между AQE и PNNL го постигна в рамките на седмици.
Напредъкът продължава, като Microsoft и PNNL изследват идеята за „цифров близнак“ за химията и науките за материалите, което може допълнително да ускори процеса на тестване и разработка. Чрез създаване на виртуално копие, за да се тестват цифрови промени в производството, екипите се надяват да намалят времето, необходимо за физическо прототипиране и тестване.
Въпреки че са необходими допълнителни тестове и прототипиране, за да се определи приложимостта на новата химия на батерията, това сътрудничество между AQE и PNNL показва потенциала на комбинирането на изкуствен интелект, машинно обучение и високопроизводително изчисление за ускоряване на научните открития и иновации.
The source of the article is from the blog combopop.com.br