حتماً میدونی این روزا ماشینهای برقی و گوشیها هر روز دارن پیشرفت میکنن، اما هنوز یه چالشی هست: اینکه باتریهاشون زود خراب میشه یا کاراییشون پایین میاد. اما یه خبر خوب! دانشمندای آزمایشگاه Argonne تو آمریکا یه راه جالب و خفن پیدا کردن: استفاده از هوش مصنوعی واسه پیدا کردن “دارو” یا بهتر بگم، افزودنیهای جدید شیمیایی که عمر و عملکرد باتری رو بهتر میکنه.
داستان از اینجا شروع میشه که محققا اومدن رو یه باتری خاص کار کردن به اسم LNMO. LNMO یعنی باتریای که از لیتیوم، نیکل، منگنز و اکسیژن ساخته شده و خوبیش اینه که دیگه به کبالت (یه ماده گرون و کمیاب تو زنجیره تأمین) وابسته نیست. پس دوستدار محیط زیست و ارزونتره.
ولی LNMO یه جورایی شیطونی میکنه و با ولتاژ خیلی بالا (حدود ۵ ولت) کار میکنه! این ولتاژ از چیزی که الکترولیتهای عادی باتری میتونن تحمل کنن، بیشتره. مثلاً باتری گوشی یا ماشین برقی معمولی رو ولتاژای پایینتر (حدود ۴ ولت) کار میکنه. این فشار زیاد باعث میشه الکترولیت (همون مایع وسط دو سر باتری) و کاتد (یه قطعه از باتری) تند تند تجزیه بشن و این یعنی خراب شدن و از بین رفتن عمر باتری.
حالا چرا بهش میگن دارو؟ دانشمندای Argonne اومدن با هوش مصنوعی – حالا اگه نمیدونی، هوش مصنوعی یعنی سیستمهای کامپیوتری باهوشی که میتونن مثل مغز آدما مسائل رو حل کنن و حتی الگوریتمهای یادگیری دارن – شروع کردن به بررسی هزاران ماده شیمیایی مختلف. این مواد رو به اسم “الکترولیت افزودنی” میشناسن؛ یعنی موادی که به مایع باتری اضافه میکنن تا عملکردش بهتر شه.
ایدهشون این بود که یک افزودنی خوب موقع راهاندازی باتری تجزیه میشه و یه لایه محافظتکننده روی قطبهای باتری میسازه تا مقاومت کمتر شه و باتری کمتر خراب شه.
روش کارشون این بود که اول دادههای مربوط به ۲۸ تا ماده افزودنی رو به مدل هوش مصنوعیشون دادن. شاید فکر کنی برای آموزش هوش مصنوعی باید کلی داده داشت، ولی اینجا نکته جالبه! جلوتر دکتر هیئو دوآن، متخصص محاسبات در Argonne، توضیح داده که لازم نیست همیشه کل دنیا رو وارد مدل کنی، بعضی وقتا داشتن یه سری داده درست و حسابی کافیه تا مدل بتونه پیشبینی کنه.
با همین مجموعه کوچیک، مدل هوش مصنوعی یاد گرفت که چه ساختارهای مولکولیای باعث افزایش ظرفیت انرژی یا کاهش مقاومت باتری میشه. بعدش با همین دیتا رفت سراغ ۱۲۵ ترکیب جدید و تونست پیشبینی کنه کدومشون باتری رو بهتر میکنن. این روش رو اگه دستی پیش میبردن، حداقل ۴ تا ۶ ماه آزمایش لازم داشت! ولی هوش مصنوعی کار رو خیلی سریعتر و هدفمندتر کرد.
یکی از شیمیدانای تیم به اسم چن لیاو هم اشاره کرد که این ولتاژ بالای LNMO آره خوبه، اما کلی چالش داره، مثلاً باعث میشه الکترولیت و کاتد هی درگیر باشن و سریعتر خراب بشن؛ برای همین نقش این افزودنیها خیلی مهمه.
خلاصه اینکه استفاده از هوش مصنوعی توی علم مواد، به خصوص باتریسازی، داره کمک میکنه خیلی سریعتر مادههای جدید کشف کنیم. این انقلاب میتونه آینده باتریها رو متحول کنه؛ مثلاً ماشین برقی یا گوشیهای هوشمند با باتریهایی که نه تنها شارژ بیشتری دارن، بلکه عمر مفیدشون هم طولانیتر میشه.
پس دفعه بعد که خواستی باتری گوشیتو عوض کنی یا یه ماشین برقی خریدی، شاید یه بخشی از اون کارایی بهترش رو مدیون همون دانشمندای باهوش و البته هوش مصنوعی باشی که تونستن براش یه داروی کار درست پیدا کنن!
منبع: +