پایگاه خبری عصری نو گزارش میدهد:
در یک پیشرفت علمی شگرف، پژوهشگران دانشگاه شیکاگو با بهرهگیری از قدرت هوش مصنوعی، مسیر جدیدی را برای توسعه باتریهای لیتیوم-یون نسل آینده هموار کردهاند. این تحقیق میتواند تحولی بنیادین در صنعت خودروهای برقی ایجاد کند و امکان افزایش چشمگیر برد، ایمنی و طول عمر باتریها را فراهم آورد.
پژوهشگران دانشگاه شیکاگو و طراحی باتریهای آینده
در دنیای امروز، توسعه خودروهای برقی با برد بیشتر و طول عمر بالاتر، به یکی از چالشهای بزرگ صنعت خودروسازی تبدیل شده است. پژوهشگران دانشگاه شیکاگو با به کارگیری فناوری هوش مصنوعی، به طور خاص در طراحی الکترولیتهای جامد که جزء اصلی باتریهای لیتیوم-یون به شمار میروند، گامهای بزرگی برداشتهاند. این الکترولیتها میتوانند موجب افزایش چشمگیر کارایی، ایمنی و عمر باتریهای خودروهای برقی شوند.
باتریهای لیتیومی نسل جدید با تکیه بر الکترولیتهای جامد طراحی میشوند؛ موادی که ویژگیهایی چون رسانایی یونی بالا، پایداری شیمیایی و بازده انرژی مطلوب را بهطور همزمان ارائه میدهند. از آنجا که دستیابی به ترکیب شیمیایی مناسب برای ایجاد این ویژگیها به هیچ عنوان ساده نیست، تحقیقات بهطور سنتی با روشهای آزمون و خطا انجام میشده است. این فرآیند نه تنها زمانبر، بلکه پرهزینه نیز بوده است.
استفاده از هوش مصنوعی برای شتاب بخشی به تحقیقات
تیم تحقیقاتی به رهبری ریتش کومار، دانشجوی پسادکترا در آزمایشگاه “آمانچوکو” در دانشکده مهندسی مولکولی دانشگاه شیکاگو، با طراحی یک چارچوب مبتنی بر هوش مصنوعی، موفق شدهاند این چالشها را تسریع کنند. این مدل جدید به نام “eScore”، قادر است مولکولهای الکترولیت را بر اساس سه معیار کلیدی رسانایی یونی، پایداری اکسیداتیو و بازده کولنی– ارزیابی و رتبهبندی کند.
پژوهشگران برای آموزش این مدل، از دادههای ۵۰ ساله استفاده کردهاند که شامل بیش از ۲۵۰ مطالعه علمی میشود. این دادهها که عمدتاً در قالب تصاویر، نمودارها و جداول در مقالات علمی منتشر شده بودند، قابلیت استخراج خودکار نداشتند. به گفته پژوهشگران، چالش اصلی در این بخش، تبدیل دادههای تصویری به اطلاعات قابل استفاده برای مدلهای هوش مصنوعی بوده است. این حجم عظیم از دادهها به مدل این امکان را داده است تا الگوهای شیمیایی پیچیده را فرا گرفته و توانایی پیشبینی عملکرد مولکولهای جدید را پیدا کند.
در یکی از آزمایشها، مدل هوش مصنوعی توانست مولکولی را شناسایی کند که عملکرد آن با بهترین الکترولیتهای تجاری موجود برابر بود. این دستاورد، نقطه عطفی در استفاده از هوش مصنوعی برای طراحی مواد جدید محسوب میشود.
پروفسور آمانچوکو در توضیح کاربرد این مدل بهطور جالبی آن را به الگوریتمهای پخش موسیقی آنلاین تشبیه کرده است. همانطور که این سیستمها از عادات شنیداری کاربران خود میآموزند تا آهنگهای مناسبتری پیشنهاد دهند، مدل هوش مصنوعی نیز قادر است مولکولهای مناسبتری را برای ساخت الکترولیتهای بهتر شناسایی کند.
گام بعدی: طراحی مولکولهای جدید
با اینکه نتایج اولیه این پروژه دلگرمکننده بوده است، پژوهشگران بر این باورند که هنوز راه زیادی در پیش است. مدلهای موجود توانستهاند ترکیبات شیمیایی مشابه ترکیبات شناختهشده را با موفقیت شبیهسازی کنند، اما برای طراحی ترکیبات شیمیایی کاملاً جدید که از ساختارهای متفاوتی برخوردارند، نیاز به توسعه و آموزش بیشتر مدلها است.
در حال حاضر، تیم تحقیقاتی دانشگاه شیکاگو در تلاش است تا مدل خود را بهگونهای تکمیل کند که بتواند مولکولها را در فضاهای شیمیایی ناشناخته نیز پیشبینی کند. این گام میتواند به طراحی باتریهایی منجر شود که سبکتر، ایمنتر و با دوامتر از نمونههای فعلی باشند.
آینده روشن باتریهای خودروهای برقی
این تحقیق که در مجله تخصصی Chemistry of Materials منتشر شده، نویدبخش انقلابی در صنعت باتریسازی است. استفاده از هوش مصنوعی در طراحی مواد نه تنها فرآیند تحقیق و توسعه را متحول کرده، بلکه میتواند وابستگی به آزمایشهای وقتگیر و پرهزینه را نیز کاهش دهد. به گفته محققان، اگر این پیشرفتها ادامه یابد، در آیندهای نزدیک شاهد خودروهای برقی با برد بیشتر، شارژدهی سریعتر و طول عمر بالاتر خواهیم بود. این خودروها به لطف هوش مصنوعی، به سرعت هوشمندتر و کارآمدتر خواهند شد.
منبع: تجارت نیوز
