חוקרים יכולים כעת לחזות את חיי הסוללה בעזרת למידת מכונה

חוקרים יכולים כעת לחזות את חיי הסוללה בעזרת למידת מכונה

טכניקה עשויה להפחית את עלויות פיתוח הסוללה.

תארו לעצמכם מדיום אומר להוריכם, ביום הולדתכם, כמה זמן תחיה.חוויה דומה אפשרית עבור כימאים של סוללות המשתמשים במודלים חישוביים חדשים כדי לחשב את חיי הסוללה על סמך מחזור בודד של נתונים ניסיוניים.

במחקר חדש, חוקרים במעבדה הלאומית Argonne של משרד האנרגיה האמריקני (DOE) פנו לכוחה של למידת מכונה כדי לחזות את משך החיים של מגוון רחב של כימיות שונות של סוללות.על ידי שימוש בנתונים ניסיוניים שנאספו ב-Argonne מקבוצה של 300 סוללות המייצגות שש כימיות שונות של סוללות, המדענים יכולים לקבוע במדויק כמה זמן סוללות שונות ימשיכו לפעול.

16x9_battery life shutterstock

חוקרי Argonne השתמשו במודלים של למידת מכונה כדי ליצור חיזויים של חיי מחזור הסוללה עבור מגוון רחב של כימיה שונות.(תמונה מאת Shutterstock/Sealstep.)

באלגוריתם למידת מכונה, מדענים מאמנים תוכנית מחשב להסיק מסקנות על קבוצה ראשונית של נתונים, ולאחר מכן לוקחים את מה שהיא למדה מאותו הכשרה כדי לקבל החלטות על קבוצה אחרת של נתונים.

"עבור כל סוג אחר של יישומי סוללה, מטלפונים סלולריים לרכבים חשמליים ועד לאחסון רשתות, חיי הסוללה הם בעלי חשיבות בסיסית עבור כל צרכן", אמר מדען החישוב של Argonne, נח פולסון, מחבר המחקר."הצורך לסובב סוללה אלפי פעמים עד שהיא נכשלת יכול לקחת שנים;השיטה שלנו יוצרת סוג של מטבח בדיקה חישובי שבו אנחנו יכולים לקבוע במהירות את ביצועי הסוללות השונות".

"כרגע, הדרך היחידה להעריך כיצד הקיבולת בסוללה דוהה היא למעשה להפעיל את הסוללה במחזוריות", הוסיפה האלקטרוכימאית של Argonne, סוזן "סו" Babinec, מחברת נוספת של המחקר."זה מאוד יקר וזה לוקח הרבה זמן."

לדברי פולסון, תהליך יצירת חיי הסוללה יכול להיות מסובך."המציאות היא שסוללות לא מחזיקות לנצח, וכמה זמן הן מחזיקות מעמד תלוי בדרך שבה אנו משתמשים בהן, כמו גם בעיצוב שלהן ובכימיה שלהן", אמר."עד עכשיו, באמת לא הייתה דרך מצוינת לדעת כמה זמן סוללה עומדת להחזיק מעמד.אנשים ירצו לדעת כמה זמן יש להם עד שהם יצטרכו להוציא כסף על סוללה חדשה."

היבט ייחודי אחד של המחקר הוא שהוא הסתמך על עבודת ניסוי מקיפה שנעשתה ב-Argonne על מגוון חומרי קתודה של סוללות, במיוחד הקתודה מבוססת ניקל-מנגן-קובלט (NMC) המוגנת בפטנט של Argonne."היו לנו סוללות שייצגו כימיות שונות, שיש להן דרכים שונות להדרדר ולהיכשל", אמר פולסון."הערך של המחקר הזה הוא שהוא נתן לנו איתותים האופייניים לביצועים של סוללות שונות."

למחקר נוסף בתחום זה יש פוטנציאל להנחות את העתיד של סוללות ליתיום-יון, אמר פולסון."אחד הדברים שאנו מסוגלים לעשות הוא לאמן את האלגוריתם על כימיה ידועה ולגרום לו לבצע תחזיות על כימיה לא ידועה", אמר."בעיקרון, האלגוריתם עשוי לעזור לנו לכוון אותנו בכיוון של כימיה חדשה ומשופרת המציעות אורך חיים ארוך יותר."

בדרך זו, פולסון מאמין שאלגוריתם למידת מכונה יכול להאיץ את הפיתוח והבדיקה של חומרי סוללה."נניח שיש לך חומר חדש, ואתה עובר עליו כמה פעמים.אתה יכול להשתמש באלגוריתם שלנו כדי לחזות את אורך החיים שלו, ולאחר מכן לקבל החלטות אם אתה רוצה להמשיך להשתמש בו בניסוי או לא."

"אם אתה חוקר במעבדה, אתה יכול לגלות ולבדוק חומרים רבים נוספים בזמן קצר יותר מכיוון שיש לך דרך מהירה יותר להעריך אותם", הוסיף Babinec.

מאמר המבוסס על המחקר, "הנדסת תכונות ללמידת מכונה אפשרה חיזוי מוקדם של חיי הסוללה", הופיע במהדורה המקוונת של 25 בפברואר של Journal of Power Sources.

בנוסף לפולסון ולבאבינק, מחברים אחרים של המאמר כוללים את ג'וזף קובל מאת ארגון, לוגאן וורד, סאוראבה סקסנה ו-וונקוואן לו.

המחקר מומן על ידי מענק מחקר ופיתוח (LDRD) ב-Argonne Laboratory.

 

 

 

 

 


זמן פרסום: מאי-06-2022