[vc_row][vc_column][vc_column_text]هوش مصنوعی می‌تواند روند یافتن و آزمایش مواد جدید را تسریع بخشد و اکنون محققان از این توانایی برای توسعه یک نوع باتری استفاده کرده‌اند که کمتر به ماده معدنی گران‌قیمت لیتیوم وابسته است.
باتری‌های لیتیوم-یونی انرژی بسیاری از دستگاه‌هایی را که ما هر روز از آنها استفاده می‌کنیم و همچنین وسایل نقلیه الکتریکی را تامین می‌کنند. [/vc_column_text][vc_btn title=”آموزش هوش مصنوعی” style=”3d” color=”primary” align=”center” link=”url:https%3A%2F%2Fzigap.ir%2Fmag-category%2Fai-training%2F|target:_blank”][/vc_column][/vc_row]
این باتری‌ها همچنین بخشی ضروری از یک شبکه برق سبز خواهند بود، زیرا باتری‌ها برای ذخیره انرژی تجدیدپذیر از توربین‌های بادی و پنل‌های خورشیدی مورد نیاز هستند. اما لیتیوم گران است و استخراج آن به محیط زیست آسیب می‌زند.
هوش مصنوعی و طراحی یک باتری جدید
یافتن جایگزینی برای این فلز حیاتی می‌تواند پرهزینه و زمان‌بر باشد و محققان را ملزم به توسعه و آزمایش میلیون‌ها گزینه در طول سال‌ها می‌کند. اما حالا «ناتان بیکر» در مایکروسافت و همکارانش با استفاده از هوش مصنوعی این کار را در عرض چند ماه انجام دادند. آنها باتری را طراحی و ساختند که تا 70 درصد از لیتیوم کمتری نسبت به برخی از طرح‌های رقیب استفاده می‌کند.
این محققان بر روی نوعی از باتری‌ها که فقط شامل قطعات جامد است، تمرکز کردند و به دنبال مواد جدیدی برای جزء باتری که بارهای الکتریکی از آن عبور می‌کنند (الکترولیت‌ها) بودند.
آنها کار خود را با 23.6 میلیون ماده کاندید طراحی کردند که با تغییر ساختار الکترولیت‌های ایجادشده و تعویض برخی اتم‌های لیتیوم با عناصر دیگر طراحی شده بودند.
سپس یک الگوریتم هوش مصنوعی موادی ناپایدار را محاسبه و همچنین موادی را که در آنها واکنش‌های شیمیایی که باعث کارکرد باتری‌ها می‌شوند ضعیف بودند، حذف کرد. محققان همچنین در نظر گرفتند که هر ماده در زمانی که باتری به طور فعال در حال کار است، چگونه رفتار می‌کند. پس از گذشت تنها چند روز، فهرست آنها تنها شامل چند صد نامزد بود که برخی از آنها قبلا هرگز مورد مطالعه قرار نگرفته بودند.
بیکر می‌گوید: «اما ما دانشمندان علم مواد نیستیم. بنابراین من با برخی از کارشناسان که روی پروژه‌های باتری بزرگ با وزارت انرژی کار کرده‌اند تماس گرفتم و پرسیدم: “نظر شما چیست؟ آیا ما دیوانه شده‌ایم؟”»
«ویجی موروگزان» در آزمایشگاه ملی شمال غربی اقیانوس آرام در ایالت واشنگتن یکی از دانشمندانی بود که تلفن را برداشت. او و همکارانش معیارهای غربالگری دیگری را برای هوش مصنوعی پیشنهاد کردند.
پس از دورهای حذفی بیشتر، تیم «موروگزان» در نهایت یکی از پیشنهادات هوش مصنوعی را برای سنتز در آزمایشگاه انتخاب کردند. موضوع به این دلیل برجسته شد که نیمی از آن‌چه که موروگزان انتظار داشت اتم‌های لیتیوم باشد، با سدیم جایگزین شد. او می‌گوید که این دستور العمل بسیار جدیدی برای یک الکترولیت است و داشتن این دو عنصر در کنار هم سوالاتی را در مورد فیزیک اساسی نحوه عملکرد مواد در باتری ایجاد می‌کند.
تیم او یک محصول کارآمد با این ماده ساخت، البته با رسانایی کمتر نسبت به نمونه‌های اولیه مشابه که از لیتیوم بیشتری استفاده می کنند.
بیکر و موروگزان هر دو می‌گویند که کار زیادی برای بهینه‌سازی باتری جدید باقی مانده است. با این حال، روند ساخت آن – از اولین باری که موروگزان با تیم مایکروسافت صحبت کرد تا این‌که باتری به اندازه کافی برای روشن کردن یک لامپ کار کرد – حدود 9 ماه طول کشید.
«رافائل گومز-بومبارلی» از موسسه فناوری ماساچوست که در این پروژه مشارکتی نداشت، می‌گوید: «روش‌ها در این‌جا از نظر ابزارهای یادگیری ماشینی، پیشرفته هستند، اما چیزی که واقعا کار را برجسته کرده این است که چیزها در عالم واقع ساخته و آزمایش شده‌اند. پیش‌بینی کردن بسیار آسان است. سخت است که کسی را متقاعد کنیم که روی آزمایش‌های واقعی سرمایه‌گذاری کند.»
او می‌گوید که این تیم از هوش مصنوعی برای شتاب بخشیدن و تقویت محاسباتی که فیزیک‌دانان برای دهه‌ها انجام می دادند استفاده کردند.
اما این رویکرد ممکن است همچنان در آینده با موانعی روبرو شود. او می‌گوید که داده‌های مورد نیاز برای آموزش هوش مصنوعی برای این نوع کار اغلب کمیاب است و موادی غیر از اجزای باتری ممکن است به روش پیچیده‌تری برای ترکیب عناصر نیاز داشته باشند.
