Pētnieki no Microsoft “Azure Quantum Elements” (AQE) komandas un Amerikas Savienoto Valstu Enerģijas ministrijas Klusā okeāna ziemeļrietumu nacionālās laboratorijas (PNNL) ir sadarbojušies projektā, lai paātrinātu eksperimentālo akumulatoru attīstību, izmantojot mākslīgo intelektu un augstas veiktspējas skaitļošanu.
Tradicionālajā akumulatora attīstības pieejā pētījumi tiek veikti, cenšoties apstiprināt hipotēzes, līdz tiek atrasts ideāls kandidāts. Tomēr šis process var būt laikietilpīgs un neefektīvs. AQE un PNNL komandas izvēlējās citu pieeju, izmantojot AI modeļus, lai novērtētu dažādas vielas un ieteiktu cerīgas kombinācijas. Pēc vairākām mašīnmācīšanās un simulācijas kārtām viņi ierobežoja iespēju lauku līdz 18 iepriekš nezināmiem savienojumiem.
Projekta unikālais aspekts ir skaitļošanas līdzekļu sadalījums. Pretēji parastajai praksei 90% skaitļošanas resursu tika izmantoti mašīnmācīšanās uzdevumiem, kuru mērķis bija ierobežot iespējas, bet tikai 10% tika izmantoti augstprecīzām simulācijas darbavienībām. Tas uzsver viedākas skaitļošanas līdzekļu pielietojuma nozīmi sarežģītu problēmu risināšanā.
Viena no veiksmīgākajām projekta atklāsmēm bija cietās vielas elektrolīts, kas sastāv no 70% nātrija un 30% litija. Šo elementu savienošana rezultēja akumulatorā ar cerīgāku enerģijas blīvumu, vienlaikus izmantojot ilgtspējīgu un bagātīgu resursu. Savienojuma sintezēšanas un pārveidošanas process par akumulatoru prasīja aptuveni desmit stundas, daudz ātrāk nekā skaitļošanas posms.
Lai arī jaunas akumulatora ķīmijas identificēšana ir nozīmīgs sasniegums, īstā panākumu atslēga slēpjas tajā, cik ātri komandas spēja to sasniegt. Tradicionāli tik liela apjoma akumulatoru pētījumi prasītu gadus, bet AQE un PNNL sadarbība to sasniega nedēļu laikā.
Nākotnē Microsoft un PNNL izpētīs “digitalo dvīni” koncepts ķīmijā un materiālu zinātnē, kas varētu turpmāk paātrināt testēšanas un attīstības procesu. Izveidojot virtuālu kopiju, lai digitāli testētu ražošanas izmaiņas, komandas cer samazināt fiziskā prototipēšanas un testēšanas laiku.
Lai gan nepieciešama turpmāka testēšana un prototipēšana, lai noteiktu jaunās akumulatora ķīmijas dzīvotspēju, šī sadarbība starp AQE un PNNL demonstrē AI, mašīnmācīšanos un augstas veiktspējas skaitļošanas kombinācijas potenciālu, lai paātrinātu zinātniskās atklāsmes un inovāciju.
The source of the article is from the blog exofeed.nl