Istraživači s Instituta za znanost i tehnologiju Skolkovo (Skoltech) i Instituta AIRI postigli su važan napredak u tehnologiji čvrstih baterija (solid-state battery).
Njihova bi tehnologija mogla omogućiti budućim električnim vozilima (EV) da prijeđu do 50 posto više na jednom punjenju, uz istovremeno poboljšanje sigurnosti i vijeka trajanja baterije.
Ovo su postignuće ostvarili primjenom strojnog učenja, odnosno kako se to popularno naziva umjetne inteligencije, kako bi ubrzali otkrivanje visokoučinkovitih baterijskih materijala.
„Poboljšanje energetske gustoće, brzine punjenja i stabilnosti čvrstih baterija, vremena odziva senzora ili vremena preklapanja memristora može se postići inovacijama u arhitekturi uređaja i/ili materijalnim komponentama”, navode istraživači u novoj studiji.
Neuronske mreže pokazale su sposobnost brzog prepoznavanja optimalnih materijala za ključne komponente čvrstih baterija, tj. čvrsti elektrolit i njegove zaštitne premaze.
Trenutačna električna vozila većinom se oslanjaju na konvencionalne litij-ionske baterije s tekućim elektrolitima, koji nose manji rizik od požara. S druge strane, čvrste baterije koriste čvrste materijale poput keramike za provođenje litijevih iona, što inherentno povećava sigurnost i omogućuje veću energetsku gustoću.
Proizvođači automobila dugo pokušavaju integrirati ovu tehnologiju, ali izostanak prikladnih čvrstih elektrolita predstavljao je ozbiljan izazov.
Novi materijali za baterije
„Pokazali smo da graf neuronske mreže mogu identificirati nove materijale za čvrste baterije s visokom ionskom pokretljivošću, i to višestruko brže od tradicionalnih metoda kvantne kemije”, izjavio je Artem Dembitskiy, glavni autor studije i doktorand na Skoltechu.
„To bi moglo ubrzati razvoj novih baterijskih materijala, kao što smo pokazali predviđanjem niza zaštitnih premaza za elektrolite čvrstih baterija.”
Istraživanje također naglašava ključnu ulogu zaštitnih premaza. Ti su slojevi ključni za zaštitu elektrolita od visoko reaktivnog metalnog litija u anodi i materijala katode.
Bez njih, performanse baterije mogu brzo opasti, a rizik od kratkih spojeva raste.
„Metalni litij u anodi snažan je redukcijski agens, pa gotovo svi postojeći elektroliti ulaze u redukcijsku reakciju u kontaktu s njim. Materijal katode je pak snažan oksidacijski agens. Kada dođe do oksidacije ili redukcije, elektroliti gube strukturni integritet, što može umanjiti učinkovitost ili čak uzrokovati kratki spoj”, pojasnio je docent Dmitry Aksyonov, suautor studije.
Algoritmi strojnog učenja ovdje su od ključne važnosti. Učinkovito pretražuju brojne kandidatske materijale kako bi identificirali one s idealnim svojstvima za trajnost i učinkovitost.
U praktičnoj primjeni, istraživački tim uspješno je primijenio svoju metodologiju temeljenu na umjetnoj inteligenciji kako bi otkrio nove materijale za premaze Li10GeP2S12, jednog od glavnih kandidata za elektrolite čvrstih baterija.
Njihovi rezultati identificirali su obećavajuće spojeve poput Li3AlF6 i Li2ZnCl4, čime su otvorili put razvoju vrlo učinkovitih i robusnih baterija nove generacije.
Ovo otkriće moglo bi preoblikovati područje pohrane energije, donoseći sigurnija, dugotrajnija i snažnija električna vozila i prijenosnu elektroniku, prenosi interestingengineering.com.
