Wraz z dynamicznym rozwojem pojazdów elektrycznych i energii odnawialnej, globalny popyt na baterie gwałtownie rośnie. Jednak istniejące baterie litowe borykają się z wyzwaniami, takimi jak niedobór zasobów, koncentracja łańcuchów dostaw i wysokie zużycie wody podczas wydobycia, co ogranicza zrównoważony rozwój transformacji energetycznej. Aby pokonać te wąskie gardła, naukowcy wykorzystują moc superkomputerów i sztucznej inteligencji, aby przyspieszyć poszukiwania materiałów do produkcji baterii nowej generacji, opartych na powszechnie występujących metalach, takich jak magnez, cynk i aluminium.
Spis treści
Wyzwania w łańcuchu dostaw baterii litowych
Lit, nazywany „białym złotem”, jest obecnie najważniejszym materiałem do produkcji baterii. Jednak jego niedobór sprawia, że jego dostępność jest nie tylko kosztowna, ale również podatna na wpływy geopolityczne. Zmusza to kraje na całym świecie do stawienia czoła zagrożeniom w łańcuchach dostaw, promując wprowadzanie pojazdów elektrycznych i transformację energetyczną.
Ponadto wydobycie litu stanowi poważne obciążenie dla środowiska. Samo wydobycie w stawach odparowujących zużywa miliony galonów wody, co ma znaczący wpływ na ekosystemy regionów suchych. Te realia sprawiają, że poszukiwanie materiałów alternatywnych dla litu jest nieuniknionym kierunkiem rozwoju technologii energetycznych.
Znalezienie alternatyw dla litu
Naukowcy rozpoczęli badania nad innymi, bardziej powszechnymi metalami, takimi jak magnez, cynk i aluminium. Metale te występują niezwykle obficie na Ziemi, są szeroko rozpowszechnione i stosunkowo niedrogie. Zastosowanie ich w bateriach nowej generacji mogłoby nie tylko zmniejszyć zależność od litu, ale także uczynić technologie magazynowania energii bardziej zrównoważonymi.
Potencjał tych baterii metalowych wynika z ich właściwości jonów wielowartościowych. W porównaniu z litem, baterie jonów wielowartościowych mogą magazynować więcej energii na jednostkę objętości, co ma ogromne znaczenie dla zasięgu pojazdów elektrycznych i stabilności sieci energetycznej.
Rola superkomputera: rozbudowa SDSC
W badaniach nad materiałami superkomputery stały się niezastąpionym narzędziem. System EXPANSE, dostarczony przez National Science Foundation (NSF) i zlokalizowany w San Diego Supercomputing Center (SDSC), umożliwia badaczom symulowanie i badanie przesiewowe dużej liczby potencjalnych struktur materiałowych.
Te wydajne platformy komputerowe potrafią przetwarzać ogromne ilości danych, szybko symulować stabilność i wydajność materiałów w różnych warunkach, pomagają naukowcom skrócić cykle eksperymentalne i znacznie przyspieszyć proces badawczo-rozwojowy nowych materiałów do produkcji baterii.
Zalety i wyzwania TMO
Zespół badawczy skoncentrował się na tlenkach metali przejściowych (TMO). Materiały te charakteryzują się dużą różnorodnością strukturalną, zapewniają doskonałą przewodność jonową i mogą przyjmować różne nośniki ładunku, co czyni je idealnymi kandydatami do wielowartościowych baterii jonowych.
Jednak właśnie ze względu na złożony skład chemiczny i strukturę krystaliczną TMO, tradycyjne metody eksploracji często przypominają „szukanie igły w stogu siana”, co utrudnia szybkie znalezienie najodpowiedniejszej kombinacji w rozległej przestrzeni materialnej. To właśnie w tym obszarze sztuczna inteligencja może naprawdę zabłysnąć.
Zastosowanie modeli AI
Naukowcy łączą wiele generatywnych modeli sztucznej inteligencji, aby przeprowadzić niespotykane dotąd badania nad materiałami:
- Krystaliczny autokoder wariacyjny dyfuzji (CDVAE): zdolny do generowania dużej liczby potencjalnych struktur krystalicznych, obejmujących szeroki zakres przestrzeni chemicznych.
- Duże modele językowe (LLM): dodają idealne właściwości do wygenerowanej struktury, aby wyszukać materiały bliższe równowadze termodynamicznej i łatwiejsze do syntezy.
- Sieć neuronowa grafów atomowych (ALIGNN): Dokładnie przewiduje stabilność elektronową i termodynamiczną materiałów, pomagając zawęzić zakres przesiewania.
Dzięki współpracy w ramach tych modeli zespół może skutecznie identyfikować materiały o największym potencjale zastosowania, unikając przy tym wysokich kosztów i niskiej efektywności tradycyjnych eksperymentów.
Proces selekcji od jednego na dziesięć tysięcy
Początkowo system sztucznej inteligencji wygenerował około 20 000 struktur kandydatów (około 10 000 dla CDVAE i 10 000 dla LLM). Po kilku etapach selekcji i symulacji, ostateczna liczba została zredukowana do 42 dla CDVAE i 13 dla LLM.
Warto zauważyć, że obie metody mają swoje zalety. Struktury generowane metodą LLM są łatwiejsze do syntezy w laboratorium, natomiast CDVAE zapewnia bardziej „przełomowe” materiały nierównowagowe, co może stać się kluczowym przełomem dla przyszłych nowych baterii.
Najbardziej obiecujące struktury kandydatów
Zespół badawczy ostatecznie zidentyfikował pięć najstabilniejszych struktur TMO. Struktury te charakteryzują się następującymi cechami:
- Z otwartą ramą tunelową
- Zdolny do efektywnego przyjmowania jonów wielowartościowych
- Wykazuje dobrą stabilność strukturalną i termodynamiczną w testach symulacyjnych.
Dzięki obliczeniom opartym na teorii funkcjonału gęstości (DFT) naukowcy potwierdzili wykonalność tych rozwiązań w rzeczywistości, dowodząc, że materiały te rzeczywiście rokują nadzieję na zastosowanie w bateriach nowej generacji.
Wsparcie i perspektywy
Docent NJIT Datta podkreślił, że program ACCESS NSF ma kluczowe znaczenie dla badań, nazywając go „tlenem”. Bez tych zasobów obliczeniowych przeprowadzenie tych przełomowych badań byłoby trudne.
Dzięki ciągłemu rozwojowi sztucznej inteligencji i superkomputerów stopniowo zmierzamy w kierunku przyszłości, która nie będzie już zależna od litu. To nie tylko zmniejszy obciążenie środowiska, ale także potencjalnie zapewni bezpieczniejsze, bardziej stabilne i zrównoważone rozwiązanie dla globalnej transformacji energetycznej.
Źródło:
- Czy jest nadzieja na kryzys baterii? Sztuczna inteligencja pomaga odkryć tajemniczy metal, który może zastąpić lit.
- SDSC: Eksploracja materiałów akumulatorowych nowej generacji z GenAI
W zakresie szlifowania oferujemy indywidualne dostosowanie. Możemy modyfikować proporcje zgodnie z Twoimi potrzebami, aby osiągnąć najwyższą wydajność.
Zapraszamy do kontaktu, nasi specjaliści odpowiedzą na Twoje pytania.
Jeśli potrzebujesz wyceny, skontaktuj się z nami.
Godziny obsługi klienta: poniedziałek – piątek 09:00-18:00
Numer kontaktowy：07 223 1058
Jeśli masz jakieś pytania, zapraszamy do wysłania wiadomości prywatnej na Facebooku!
Nasza strona na FB：https://www.facebook.com/honwaygroup
Być może zainteresują cię inne artykuły…
[wpb-random-posts]
