Výskumníci tímu Azure Quantum Elements (AQE) spoločnosti Microsoft a Pacific Northwest National Lab (PNNL), ktorému patrí Departement energetiky Spojených štátov, sa spojili na projekte s cieľom urýchliť vývoj experimentálnych batérií pomocou kombinácie umelej inteligencie a výkonného výpočtu.
Tradičný prístup k vývoju batérií spočíval vo testovaní hypotéz, kým sa nenašiel ideálny kandidát. Avšak tento proces môže byť časovo náročný a neefektívny. Týmy AQE a PNNL sa rozhodli pre iný prístup a použili modely umelej inteligencie na hodnotenie rôznych materiálov a odporúčanie sľubných kombinácií. Po niekoľkých kolách strojového učenia a simulácie sa im podarilo zúžiť možnosti na 18 predtým neznámych zlúčenín.
Jedinečným aspektom tohto projektu je rozdelenie výpočtových zdrojov. V rozpore s bežným názorom bolo 90% výpočtových zdrojov pridelených strojovému učeniu s cieľom obmedziť možnosti, zatiaľ čo iba 10% bol využitých pre výpočtové záťaže vyžadujúce vysokú presnosť. Toto zdôrazňuje dôležitosť inteligentnejšieho využitia výpočtových zdrojov pri riešení komplexných problémov.
Jedným z najúspešnejších objavov tohto projektu bolo tuhé elektrolytické činidlo pozostávajúce z 70% sodíka a 30% lithia. Kombinácia týchto prvkov viedla k batérii s priľahlou energetickou hustotou, pričom využíva udržateľnejší a hojnejší zdroj. Proces syntézy a pretvorenia zlúčeniny na batériu trval približne desať hodín, oveľa kratšie než fáza výpočtu.
Zatiaľ čo identifikácia novej chemického zloženia batérie je významným úspechom, skutočným úspechom je rýchlosť, s ktorou tieto tímy dosiahli cieľ. Tradične by výskum batérií tohto rozsahu trval roky, no spolupráca AQE a PNNL to dokázala v priebehu niekoľkých týždňov.
V budúcnosti Microsoft a PNNL skúmajú koncept digitálneho dvojníka pre chémiu a materiálové vedy, čo by ešte viac urýchlilo testovací a vývojový proces. Vytvorením virtuálnej repliky na digitálne testovanie výrobných zmien tímy dúfajú, že sa zníži čas potrebný na fyzický prototypovanie a testovanie.
Zatiaľ čo je potrebné ďalšie testovanie a prototypovanie na určenie životaschopnosti novo identifikovanej chemického zloženia batérie, táto spolupráca medzi AQE a PNNL ukazuje potenciál kombinácie umelej inteligencie, strojového učenia a výkonného výpočtu na urýchlenie vedeckých objavov a inovácií.
The source of the article is from the blog xn--campiahoy-p6a.es