پیشرفت تازه در فناوری باتری‌های حالت‌ جامد نسل آینده، نوید افزایش ۵۰ درصدی برد خودروهای برقی با یک بار شارژ را می‌دهد. این پیروزی با پشتیبانی یادگیری ماشینی و تسریع در کشف مواد با کارکرد بالا حاصل شده است.

بر پایه گزارش‌ها، گسترش این فناوری می‌تواند آینده ذخیره‌سازی انرژی را منقلب کرده و خودروهای برقی ایمن‌تر، بادوام‌تر و با کارایی زیاد تر را به ارمغان آورد.

پیشرفت دیدنی در فناوری باتری‌های حالت جامد

پژوهشگران مؤسسه علم و فناوری اسکولکوو (Skoltech) و مؤسسه AIRI به نقطه عطفی در فناوری باتری‌های حالت جامد دست یافته‌اند. فناوری آنها می‌تواند امکان پیمایش ۵۰ درصد زیاد تر را با یک بار شارژ فراهم کند و درعین‌حال ایمنی و طول عمر باتری را بهبود ببخشد.

این دستاورد با منفعت گیری از یادگیری ماشینی برای تسریع روال کشف مواد پیشرفته باتری حاصل شده است. محققان در مطالعه‌ای تازه اظهار کردند که بهبودهایی همانند افزایش چگالی انرژی، شدت شارژ، پایداری باتری حالت جامد، افت زمان جواب‌دهی حسگرها یا زمان سوییچ ممریستورها، با نوآوری در ساختار دستگاه‌ها یا ترکیب مواد آنها مقدور است. آنها این چنین پافشاری کردند که برای طراحی رساناهای یونی پیشرفته، شناخت دقیق مکانیزم‌های انتقال یون و ویژگی‌های آنها اهمیت اساسی دارد.

شبکه‌های عصبی توانسته‌اند مواد بهینه برای اجزای کلیدی باتری‌های حالت جامد، یعنی الکترولیت جامد و پوشش‌های محافظ آن، را با سرعتی زیاد بالاتر از راه حلهای شیمی کوانتومی قدیمی شناسایی کنند. درحالی‌که خودروهای برقی جاری عمدتاً از باتری‌های لیتیوم-یونی با الکترولیت مایع منفعت گیری می‌کنند که با خطر جزئی آتش‌سوزی همراهند، باتری‌های حالت جامد با منفعت گیری از مواد جامدی همانند سرامیک، ایمنی زیاد تر و چگالی انرژی بالاتری اراعه خواهند داد. بااین‌حال، نبوده است الکترولیت جامد مناسب چالشی جدی برای خودروسازان بوده است.

«آرتم دمبیتسکی»، نویسنده مهم مطالعه و دانشجوی دکتری در Skoltech، می‌گوید:

«ما ثابت کردیم که شبکه‌های عصبی گراف قادرند مواد تازه‌ای با تحرک یونی بالا برای باتری‌های حالت جامد شناسایی کنند و این فرایند را با سرعتی چندین برابر زیاد تر از راه حلهای متداول انجام بدهند. این چنین توانستیم چند پوشش محافظ مناسب برای الکترولیت‌های این نوع باتری‌ها پیش‌بینی کنیم.»

این پژوهش این چنین نقش حیاتی پوشش‌های محافظ را برجسته می‌کند. این لایه‌ها برای محافظت از الکترولیت در برابر مواد آند و کاتد لیتیوم فلزی که عکس العمل‌پذیری بالایی دارند، الزامی می باشند. در نبوده است آنها، کارکرد باتری به‌شدت کم شدن کرده و گمان اتصال مختصر افزایش می‌یابد.

«دیمیتری آکسیونوف»، از نویسندگان این پژوهش، گفت که لیتیوم فلزی در آند خاصیت کاهندگی بالایی دارد و تقریباً همه الکترولیت‌های حاضر زمان تماس با آن دچار افت خواهد شد. از نظر دیگر، مواد کاتدی نیز زیاد اکسیدکننده‌اند و در نتیجه، عکس العمل‌های اکسایش یا افت می‌توانند ساختار الکترولیت را تخریب کرده و علتکاهش کارکرد یا حتی تشکیل اتصال مختصر شوند.

در این بین، الگوریتم‌های یادگیری ماشینی نقش مهمی ایفا می‌کنند. این الگوریتم‌ها می‌توانند مجموعه‌ای از مواد پیشنهادی را با شدت و دقت بالا برسی کرده و گزینه‌هایی را که از نظر پایداری و کارکرد بهترین ویژگی‌ها را دارند، شناسایی کنند.

در یک نمونه کاربردی، پژوهشگران با منفعت گیری از روش مبتنی‌بر هوش مصنوعی خود موفق شدند پوشش‌های محافظ جدیدی برای ترکیب Li10GeP2S12، یکی از گزینه‌های مهم الکترولیت در باتری‌های حالت جامد، کشف کنند.