Машинное обучение позволило совершить этот прорыв, ускорив поиск материалов для высокопроизводительных аккумуляторов.
Эта разработка может кардинально изменить подход к хранению энергии, что приведет к созданию более безопасных, долговечных и высокопроизводительных электромобилей. (Изображение)
СуперСмарио/iStock
Исследователи из Сколковского института науки и технологий (Сколтех) и Института AIRI достигли важного рубежа в технологии твердотельных аккумуляторов.
Их технология может помочь будущим электромобилям (ЭМ) проезжать на 50% больше времени на одной зарядке, одновременно повышая безопасность и срок службы аккумулятора.
Этот прорыв был достигнут благодаря применению машинного обучения для ускорения разработки высокопроизводительных материалов для аккумуляторов.
«Улучшение плотности энергии, скорости заряда и стабильности твердотельной батареи, времени отклика датчика или времени переключения мемристора может быть достигнуто за счет инноваций в архитектуре устройств и/или материальных компонентов», — заявили исследователи в новом исследовании.
«Таким образом, понимание механизмов ионного транспорта и их характеристик имеет важное значение для проектирования современных ионных проводников».
Нейронные сети могут определять оптимальные материалы
Нейронные сети продемонстрировали способность быстро определять оптимальные материалы для важнейших компонентов твердотельных аккумуляторов, т. е. твердого электролита и его защитных покрытий.
Современные электромобили в основном используют обычные литий-ионные батареи с жидкими электролитами, которые несут в себе небольшой риск возгорания. С другой стороны, твердотельные батареи используют твердые материалы, такие как керамика, для проведения ионов лития, что по своей сути повышает безопасность и обеспечивает превосходную плотность энергии.
Автопроизводители давно пытались внедрить эту технологию, но отсутствие подходящих твердых электролитов представляло собой серьезную проблему.
«Мы продемонстрировали, что графовые нейронные сети способны определять новые материалы для твердотельных аккумуляторов с высокой ионной подвижностью и делать это на порядки быстрее, чем традиционные методы квантовой химии», — заявил Артем Дембицкий, ведущий автор исследования и аспирант Сколтеха.
«Это может ускорить разработку новых материалов для аккумуляторов, как мы показали, спрогнозировав ряд защитных покрытий для электролитов твердотельных аккумуляторов».
Решающая роль защитных покрытий
Исследование также подчеркивает важную роль защитных покрытий. Эти слои необходимы для защиты электролита от высокореактивных металлических литиевых анодных и катодных материалов.
Без них производительность аккумулятора может быстро ухудшиться, а риск коротких замыканий возрастет.
«Металлический литий анода является сильным восстановителем, поэтому практически все существующие электролиты восстанавливаются при контакте с ним. Материал катода является сильным окислителем. При окислении или восстановлении электролиты теряют свою структурную целостность, что может ухудшить производительность или даже вызвать короткое замыкание», — пояснил доцент Дмитрий Аксенов, соавтор исследования.
Алгоритмы машинного обучения оказываются здесь полезными. Они эффективно отбирают многочисленные материалы-кандидаты, чтобы определить те, которые обладают идеальными свойствами для долговечности и эффективности.
Практическое применение для высокопроизводительных электромобилей
На практике исследовательская группа успешно использовала свою методологию на основе искусственного интеллекта для открытия новых материалов покрытия для Li10GeP2S12 — ведущего кандидата на роль электролита для твердотельных аккумуляторов.
Их открытия позволили выявить перспективные соединения, такие как Li3AlF6 и Li2ZnCl4, и проложили путь к разработке высокоэффективных и надежных аккумуляторов следующего поколения.
Этот прорыв может изменить ландшафт накопления энергии, создав более безопасные, долговечные и высокопроизводительные электромобили и портативную электронику.
Sourse: interestingengineering.com
