پیشرفت جدید در فناوری باتری‌های حالت‌ جامد نسل آینده، نوید افزایش 50 درصدی برد خودروهای برقی با یک بار شارژ را می‌دهد. این موفقیت با کمک یادگیری ماشینی و تسریع در کشف مواد با عملکرد بالا حاصل شده است.

براساس گزارش‌ها، توسعه این فناوری می‌تواند آینده ذخیره‌سازی انرژی را متحول کرده و خودروهای برقی ایمن‌تر، بادوام‌تر و با کارایی بیشتر را به ارمغان آورد.

پیشرفت چشمگیر 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 50 درصد بیشتر را با یک بار شارژ فراهم کند و درعین‌حال ایمنی و طول عمر باتری را بهبود ببخشد.

این دستاورد با استفاده از یادگیری ماشینی برای تسریع روند کشف مواد پیشرفته باتری حاصل شده است. محققان در مطالعه‌ای جدید اعلام کردند که بهبودهایی مانند افزایش چگالی انرژی، سرعت شارژ، پایداری باتری حالت جامد، کاهش زمان پاسخ‌دهی حسگرها یا زمان سوییچ ممریستورها، با نوآوری در ساختار دستگاه‌ها یا ترکیب مواد آنها امکان‌پذیر است. آنها همچنین تأکید 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 بسیار بالاتر از روش‌های شیمی کوانتومی قدیمی شناسایی کنند. درحالی‌که خودروهای برقی فعلی عمدتاً از باتری‌های لیتیوم-یونی با الکترولیت مایع استفاده می‌کنند که با خطر جزئی آتش‌سوزی همراهند، باتری‌های حالت جامد با استفاده از مواد جامدی مانند سرامیک، ایمنی بیشتر و چگالی انرژی بالاتری ارائه می‌دهند. بااین‌حال، نبود الکترولیت جامد مناسب چالشی جدی برای خودروسازان بوده است.

«آرتم دمبیتسکی»، نویسنده اصلی 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 بیشتر از روش‌های متداول انجام دهند. همچنین توانستیم چند پوشش محافظ مناسب برای الکترولیت‌های این نوع باتری‌ها پیش‌بینی کنیم.»

این پژوهش همچنین نقش حیاتی پوشش‌های محافظ را برجسته می‌کند. این لایه‌ها برای محافظت از الکترولیت در برابر مواد آند و کاتد لیتیوم فلزی که واکنش‌پذیری بالایی دارند، ضروری هستند. در نبود آنها، عملکرد باتری به‌سرعت افت کرده و احتمال اتصال کوتاه افزایش می‌یابد.

«دیمیتری آکسیونوف»، از نویسندگان این پژوهش، توضیح داد که لیتیوم فلزی در آند خاصیت کاهندگی بالایی دارد و تقریباً همه الکترولیت‌های موجود هنگام تماس با آن دچار کاهش می‌شوند. از سوی دیگر، مواد کاتدی نیز بسیار اکسیدکننده‌اند و در نتیجه، واکنش‌های اکسایش یا کاهش می‌توانند ساختار الکترولیت را تخریب کرده و باعث کاهش عملکرد یا حتی ایجاد اتصال کوتاه شوند.

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

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