Använda AI för att utveckla ett batteri som använder mindre litium

Schematisk bild av molnmiljön som används för arbetsbelastningar för materialupptäckt i denna studie. Kredit: arXiv (2024). DOI: 10.48550/arxiv.2401.04070
Schematisk bild av molnmiljön som används för arbetsbelastningar för materialupptäckt i denna studie. Kredit: arXiv (2024). DOI: 10.48550/arxiv.2401.04070

Ett team av AI-forskare på Microsoft har tillsammans med kollegor från Pacific Northwest National Laboratory använt AI för att utveckla ett batteri som använder mindre litium. Tillsammans har de publicerat en artikel som beskriver deras arbete på arXiv preprint server.

Litiumjonbatterier har blivit industristandard för både elektronik och elfordon och förväntas spela en viktig roll i omställningen till ett grönt elnät. Men litium är dyrt, vilket har lett till att flera team över hela världen har letat efter alternativ. I det nya projektet letade forskargruppen efter sätt att minska mängden litium som används i batterier.

Detta skulle normalt ta lång tid – troligen många år – på grund av den omfattande metod som krävs. För att minska arbetsbelastningen och den tid som krävs för att bearbeta miljontals kandidater vände sig forskarna till AI.

Forskarna konstaterade att AI-applikationer är bra på att använda stora mängder data för att lära sig hur man gör saker och ting, och utformade en applikation som kunde studera miljontals material som skulle kunna tillsättas ett litiumbatteri för att ersätta en viss mängd litium och testa resultaten för faktorer som stabilitet och hur ett batteri som använder ett visst material skulle bete sig.

Med hjälp av detta tillvägagångssätt kunde forskargruppen reducera listan över möjliga kandidater till bara några hundra möjligheter. De vände sig sedan till materialforskare vid Pacific Northwest National Laboratory för att få råd om hur de skulle kunna minska antalet möjliga kandidater ytterligare. Forskarna föreslog att man skulle lägga till mer specifika urvalskriterier och fler elimineringsrundor. Efter att ha lyssnat på dessa råd kom teamet fram till en lovande kandidat och en metod som innebar att ungefär hälften av litiumatomerna i ett batteri ersattes med natriumatomer.

Efter att ha byggt ett fungerande batteri med den nya metoden fann forskarna att det hade lägre ledningsförmåga än vad som behövdes – men de tror också att det finns utrymme för förbättringar. De planerar att fortsätta arbeta med metoden och den process de använde för att hitta sin lösning, som de föreslår så småningom kan lösa andra typer av materialbearbetningsproblem.

Ytterligare information: Chi Chen et al, Accelerating computational materials discovery with artificial intelligence and cloud high-performance computing: from large-scale screening to experimental validation, arXiv (2024). DOI: 10.48550/arxiv.2401.04070

Bli först med att kommentera

Lämna ett svar

Din e-postadress kommer inte att publiceras.