سولارابيك، الولايات المتحدة الأمريكية- 1 سبتمبر 2025: نجح علماء في مختبر أرجون الوطني بالولايات المتحدة في توظيف نموذج لتعلم الآلة لتحديد “أدوية” كيميائية جديدة تهدف إلى إطالة عمر بطاريات السيارات الكهربائية. وتَمكن النموذج من التنبؤ بدقة بأداء 125 تركيبة كيميائية جديدة من المواد المضافة، بعد تدريبه على مجموعة بيانات صغيرة، مما يمهد الطريق لحلول طاقة أكثر كفاءة واستدامة ويوفر أشهراً من العمل التجريبي.
تحدي التحلل والجهد العالي
تَركز البحث على نوع محدد من البطاريات يُعرف باسم LNMO، المكونة من الليثيوم والنيكل والمنغنيز والأوكسجين، والتي تتميز بقدرتها على توفير سعة طاقة أعلى دون الحاجة لمادة الكوبالت ذات القيود في سلاسل التوريد. وتكمن المشكلة الرئيسية في أن هذه البطاريات تعمل بجهد كهربائي عالٍ يقارب 5 فولط، وهو مستوى يتجاوز حد استقرار معظم الكهرليتات، على عكس بطاريات الهواتف وخلايا السيارات الكهربائية التي تعمل عادةً عند 4 فولط. وشرح تشين لياو، الكيميائي في المختبر، أن هذا الجهد العالي يضع الكهرليت والمهبط (الكاثود) في حالة طاقة نشطة تؤدي إلى تحللهما، مما يمثل تحديًا كبيرًا لاستقرار البطارية وعمرها الافتراضي.
وصفة الذكاء الاصطناعي الدقيقة
ابتكر فريق أرجون حلاً لهذه المعضلة عبر تطوير نموذج تعلم آلة يربط بين البنية الكيميائية للمواد المضافة وتأثيرها المباشر على أداء البطارية. ودُرب النموذج على مجموعة بيانات أولية مختارة تضم 28 مادة مضافة فقط، ليتعلم كيفية التعرف على السمات الجزيئية المسؤولة عن تحسين مقاييس الأداء الرئيسية كالمقاومة وسعة الطاقة. وطبّق النموذج هذه المعرفة لفحص 125 مرشحًا جديدًا، ونجح في تحديد عدة مواد أظهرت تحسنًا ملحوظًا في أداء البطارية مقارنة بالمواد الأولية. وأكد هيو دوان، العالم الحاسوبي بالمختبر، أن هذا الإنجاز يثبت عدم الحاجة لكميات هائلة من البيانات لتدريب نموذج تنبؤي دقيق، بل يكفي وجود مجموعة بيانات جيدة ومختارة بعناية لتحقيق نتائج موثوقة، وهو ما وفّر على الفريق عملية تجريبية كانت ستستغرق ما بين أربعة وستة أشهر.
تابعونا على لينكيد إن Linked–in لمعرفة كل جديد في مجال الطاقة المتجددة والسيارات الكهربائية…
نتمنى لكم يوماً مشمساً!
المصدر: interesting engineering
