Көз байлоочу сиз төрөлгөн күнү ата-энеңизге канча жашаарыңызды айтып жатканын элестетип көрүңүз. Ушундай эле тажрыйбаны жаңы эсептөө моделдерин колдонуп, бир эле циклдик эксперименталдык маалыматтардын негизинде батареянын иштөө мөөнөтүн эсептеп жаткан батарея химиктери да жасай алышат.

АКШнын Энергетика министрлигинин (DOE) Аргонн улуттук лабораториясынын изилдөөчүлөрү жаңы изилдөөдө ар кандай батарея химиялык түзүлүштөрүнүн иштөө мөөнөтүн алдын ала айтуу үчүн машиналык окутуунун күчүнө кайрылышты. Аргондо алты башка батарея химиясын чагылдырган 300 батареянын топтомунан чогултулган эксперименталдык маалыматтарды колдонуу менен окумуштуулар ар кандай батареялар канча убакытка чейин циклде иштей турганын так аныктай алышат.

Аргонн изилдөөчүлөрү ар кандай химиялык заттардын кеңири спектри үчүн батареянын иштөө мөөнөтүн алдын ала айтуу үчүн машиналык үйрөнүү моделдерин колдонушкан. (Сүрөт Shutterstock/Sealstep тарабынан тартылган.)

Машина үйрөнүү алгоритминде окумуштуулар компьютердик программаны баштапкы маалыматтар топтому боюнча тыянак чыгарууга үйрөтүшөт, андан кийин ал окутуудан үйрөнгөндөрүн башка маалыматтар топтому боюнча чечим кабыл алуу үчүн колдонушат.

«Батареянын ар кандай түрлөрү үчүн, уюлдук телефондордон баштап электр унааларына жана электрдик сактагычтарга чейин, батареянын иштөө мөөнөтү ар бир керектөөчү үчүн фундаменталдык мааниге ээ», - дейт изилдөөнүн автору, Аргонндогу эсептөөчү окумуштуу Ноа Полсон. «Батареяны миңдеген жолу иштен чыкканга чейин айландыруу бир нече жылга созулушу мүмкүн; биздин ыкмабыз ар кандай батареялар кандайча иштей турганын тез аныктай турган эсептөөчү тест ашканасын түзөт».

«Азыркы учурда батареянын кубаттуулугунун төмөндөшүн баалоонун бирден-бир жолу - батареяны чындыгында циклдик режимде иштетүү», - деп кошумчалады изилдөөнүн дагы бир автору, Аргонн электрохимиги Сьюзан «Сью» Бабинек. «Бул абдан кымбат жана көп убакытты талап кылат».

Полсондун айтымында, батареянын иштөө мөөнөтүн аныктоо процесси татаал болушу мүмкүн. «Чындыгында, батареялар түбөлүккө иштебейт жана алардын иштөө мөөнөтү биз аларды кантип колдоноорубузга, ошондой эле алардын дизайнына жана химиясына жараша болот», - деди ал. «Ушул убакка чейин батареянын канча убакытка иштээрин билүүнүн эң сонун жолу болгон эмес. Адамдар жаңы батареяга акча коротууга туура келгенге чейин канча убакытка иштээрин билгиси келет».

Изилдөөнүн бир уникалдуу жагы, ал Аргондо ар кандай батарея катодунун материалдары, айрыкча Аргондун патенттелген никель-марганец-кобальт (NMC) негизиндеги катод боюнча жүргүзүлгөн кеңири эксперименталдык иштерге таянган. «Бизде ар кандай химиялык түзүлүштөрдү чагылдырган, алардын бузулуу жана иштен чыгуу жолдору ар башка болгон батареялар болгон», - деди Полсон. «Бул изилдөөнүн баалуулугу, ал бизге ар кандай батареялардын кандайча иштешине мүнөздүү сигналдарды бергендигинде».

Полсондун айтымында, бул жааттагы андан аркы изилдөөлөр литий-иондук батареялардын келечегине багыт берүү мүмкүнчүлүгүнө ээ. «Биз жасай ала турган нерселердин бири - алгоритмди белгилүү химия боюнча окутуу жана ага белгисиз химия боюнча божомолдорду жасоого мүмкүнчүлүк берүү», - деди ал. «Негизинен, алгоритм бизге узак мөөнөттүү иштөөнү сунуштаган жаңы жана жакшыртылган химиялык заттардын багытын көрсөтүүгө жардам берет».

Ушундай жол менен Полсон машиналык үйрөнүү алгоритми батарея материалдарын иштеп чыгууну жана сыноону тездете алат деп эсептейт. «Айталы, сизде жаңы материал бар жана аны бир нече жолу циклге киргизесиз. Сиз биздин алгоритмди анын узактыгын алдын ала айтуу үчүн колдонуп, андан кийин аны эксперименталдык түрдө циклге киргизүүнү уланткыңыз келеби же жокпу, чечим кабыл ала аласыз».

«Эгер сиз лабораторияда изилдөөчү болсоңуз, анда аларды тезирээк баалоо ыкмасына ээ болгондуктан, кыска убакыттын ичинде дагы көптөгөн материалдарды таап, сынап көрө аласыз», - деп кошумчалады Бабинец.

Изилдөөгө негизделген макала, "Машина менен үйрөнүү үчүн функцияларды иштеп чыгуу батареянын иштөө мөөнөтүн эрте алдын ала айтууга мүмкүндүк берди”, - деген макала Journal of Power Sources журналынын 25-февралдагы онлайн санында жарык көргөн.

Полсон менен Бабинектен тышкары, макаланын башка авторлорунун арасында Аргонндук Жозеф Кубал, Логан Уорд, Саурабх Саксена жана Веньцюань Лу бар.

Изилдөө Argonne Laboratory тарабынан багытталган изилдөө жана иштеп чыгуу (LDRD) гранты менен каржыланган.