Методика, основанная на искусственном интеллекте, была использована для разработки новой конструкции аккумулятора, для которого требуется на 70 % меньше лития, чем для существующих моделей. В частности, методика выявила 18 перспективных новых материалов, способных хотя бы частично заменить литий, среди миллионов кандидатов — причем всего за несколько месяцев от прогнозирования до экспериментальной оценки их характеристик.
Большинство используемых нами электронных устройств, так же как и электромобили, питаются от литий-ионных батарей. Они также необходимы для хранения энергии, получаемой от устройств, работающих на возобновляемых источниках энергии, таких как ветряные турбины и солнечные батареи. Однако добыча этого щелочного металла сопряжена со значительными финансовыми и экологическими затратами, что вызывает споры о реальных экологических преимуществах «зеленых» энергетических технологий.
Литий добывается исключительно из руд твердых пород и континентальных рассолов, причем последний является наиболее распространенным источником. Для извлечения лития рассол выпаривают на открытом воздухе, чтобы концентрировать его. При этом выделяется от 100 до 800 кубических метров воды на тонну добытого карбоната лития, что неизбежно вызывает опасения по поводу его экологичности.
С другой стороны, концентрирование континентального рассола — медленный процесс, занимающий от 10 до 24 месяцев, не говоря уже о том, что географическое расположение месторождений ограничено. Это означает, что имеющиеся запасы не могут удовлетворить краткосрочные колебания спроса, создавая цикл зависимости от минерала.
Учитывая экологические проблемы, исследования потенциальных альтернатив литию набирают обороты. За последние несколько десятилетий для этих целей были разработаны различные вычислительные методы, в частности, для прогнозирования новых материалов и понимания их свойств. Однако выявление жизнеспособных заменителей остается дорогостоящей и трудоемкой задачей при использовании традиционных технологий компьютерного моделирования.
С другой стороны, достижения в области искусственного интеллекта открыли новые возможности для обнаружения новых соединений в рекордно короткие сроки. В своем новом исследовании, предварительно опубликованном на сервере , команда из Microsoft и Тихоокеанской северо-западной национальной лаборатории (США) изучила этот путь, чтобы разработать альтернативные варианты хранения энергии, менее зависимые от лития.
18 перспективных кандидатов всего за 80 часов
За последние несколько лет достижения в области искусственного интеллекта и создание крупных общедоступных баз данных, таких как «Проект материалов» Лаборатории Беркли (наиболее широко используемое в мире хранилище информации о неорганических материалах в открытом доступе), создали беспрецедентные возможности, которые обещают стать новой эрой в открытии материалов.
Теперь эти инструменты позволяют очень быстро охарактеризовать и предсказать поведение миллионов соединений, например, оценить их геометрическую и термодинамическую стабильность. «Значительное преимущество методов машинного обучения в скорости по сравнению с прямым моделированием позволило исследовать материалы в огромном химическом пространстве, которое значительно превышает количество известных материалов«, — объясняют авторы нового исследования в своей статье. Среди наиболее впечатляющих достижений в этом направлении — ИИ GNoME от Google DeepMind, который, опираясь на автономную лабораторию, смог синтезировать 41 новое неорганическое соединение всего за 17 дней.
Однако, несмотря на то что автономные лаборатории позволяют синтезировать материалы напрямую, их функциональные свойства еще предстоит продемонстрировать эмпирически. Кроме того, для функциональной оценки потенциальных кандидатов по-прежнему требуются значительные вычислительные ресурсы. Чтобы преодолеть эту проблему, эксперты в новом исследовании объединили возможности машинного обучения по обработке данных с высокопроизводительными вычислениями в облаке (HPC) — типом облачных вычислений, объединяющих большое количество компьютеров для выполнения сложных научных и математических задач.
Исходя из этого, команда сосредоточилась на поиске новых твердых электролитов, которые могли бы заменить литий в батареях. Сначала они отобрали более 32 миллионов потенциальных неорганических материалов-кандидатов, заменив долю атомов лития на другие элементы. Затем алгоритм искусственного интеллекта провел отбор, оценивая, в частности, стабильность и эффективность предложенных комбинаций при использовании в батареях. С помощью высокопроизводительных вычислений всего за 80 часов было выявлено 18 перспективных кандидатов.
После дополнительных этапов отбора один из кандидатов выделился своей очень низкой зависимостью от лития (снижение на 70% по сравнению с обычными батареями). В частности, большинство атомов лития было заменено на натрий — элемент, который в изобилии встречается в природе и который легче использовать. Однако при изготовлении батареи с использованием данного материала наблюдаемая проводимость оставалась ниже, чем у батарей, содержащих больше лития.
Тем не менее, несмотря на то, что для оптимизации возможных комбинаций необходимы дополнительные исследования, весь процесс, от прогнозирования до экспериментальной оценки работы, занял около 9 месяцев, что само по себе является большим достижением. «Независимо от того, будет ли это жизнеспособная долгосрочная батарея, скорость, с которой мы нашли пригодный для использования химический состав батареи, весьма убедительна«, — заключил Брайан Абрахамсон Билодо, соавтор исследования и директор отдела цифровых технологий Тихоокеанской северо-западной национальной лаборатории, в пресс-релизе.