Функциональность электронных устройств в значительной степени зависит от возможностей их аккумуляторов. Специалисты ведут разработки, направленные на совершенствование химического состава, конструкции и эффективности батарей, включая применение методов машинного обучения.

В качестве источника питания для большинства современных мобильных гаджетов применяются литий-ионные аккумуляторные элементы. Одной из сложностей, с которыми сталкиваются разработчики, является уменьшение емкости аккумулятора вследствие образования отложений лития на одном из полюсов. Этот же механизм увеличивает вероятность возникновения короткого замыкания и возгорания.

Команда ученых-химиков и инженеров предложила способ регулирования этого явления. Используя алгоритмы глубокого обучения, они разработали виртуальный опорный электрод, который в режиме реального времени прогнозирует электрический потенциал на отрицательном полюсе аккумулятора, что позволяет контролировать протекающие процессы. Результаты моделирований и практических испытаний опубликовали в журнале Nature Communications.

Данный виртуальный опорный электрод был смоделирован как совокупность нейронных сетей. Обучение проводилось с использованием массива из десяти миллионов данных, полученных при тестировании 55 миниатюрных аккумуляторов со встроенными тремя электродами в различных режимах зарядки.

Искусственные нейронные сети оперативно и с большой степенью достоверности прогнозировали величину потенциалов отрицательного электрода по отношению к литиевому. В отличие от физического третьего электрода, подверженного ухудшению в процессе эксплуатации, виртуальный элемент поддерживал свою точность на протяжении всего цикла работы.

Данные, полученные при моделировании, были подтверждены экспериментальным путем. Исследователи проводили работу с двухэлектродными аккумуляторными элементами: отрицательный электрод состоял из графита, а положительный – из LiFePO₄, а третий — виртуальный. Они заряжалиПроцесс останавливался при помощи графитового электрода и контролировался по показаниям виртуального электрода, фиксирующего напряжение на заданном уровне относительно литиевого.

По завершении испытаний ученые изучили структуру поверхности электродов посредством электронного микроскопа. При потенциале отрицательного электрода относительно литиевого в значениях 0,01 и 0 вольт на поверхности графита не наблюдалось осаждения лития. возникали Когда разработанная исследователями модель указывала на разницу потенциалов -0,01 вольта, на электроде стали формироваться микроскопические центры кристаллизации – мельчайшие частицы лития. При значении в -0,02 вольт на графите начали появляться структуры из

Благодаря этому исследователи убедились в способности виртуального электрода определять момент начала образования осадка лития, как если бы присутствовал третий физический референтный электрод. На основании этого открытия был разработан адаптивный алгоритм зарядки. Он получил такое название из-за своей особенности: первоначально происходит быстрая подзарядка, но при приближении потенциала отрицательного полюса к пороговому значению в 0,02 вольта система автоматически уменьшает ток, предотвращая выход напряжения за безопасные пределы.

Эксперименты провелиЭто наблюдалось на тех элементах, где вероятность осаждения лития на электроде была наиболее высокой — при соотношении емкостей электродов близком к единице. При обычном режиме зарядки с постоянным током и напряжением ячейка теряла до 80% своей первоначальной емкости уже после 10-15 циклов. Использование виртуального электрода увеличило срок службы элемента более чем в восемь раз, достигнув 120 циклов. Интеллектуальный протокол также сохранял высокую среднюю скорость зарядки и исключал осаждение лития на графите.

Поскольку модель была обучена с использованием фактических данных, а не теоретических формул, она способна учитывать сложные процессы ухудшения характеристик системы: изменения в импедансе и потерю активного материала. С увеличением объема входных данных точность прогнозов модели возрастает.

Разработанная специалистами технология обеспечивает возможность регулирования параметров работы каждого элемента аккумуляторной батареи в режиме реального времени. По мнению разработчиков, первоначальные инвестиции в внедрение данной системы позволяют добиться максимальной эффективности от аккумулятора при сохранении безопасности эксплуатации. Предложенное решение может быть адаптировано для использования с виртуальными датчиками, контролирующими внутреннее давление и температуру.