В связи с бурным развитием электромобилей и возобновляемой энергетики, глобальный спрос на батареи быстро растет. Однако существующие литиевые батареи сталкиваются с такими проблемами, как дефицит ресурсов, концентрированные цепочки поставок и высокое потребление воды при добыче, что ограничивает устойчивое развитие энергетического перехода. Для преодоления этих узких мест ученые используют возможности суперкомпьютеров и искусственного интеллекта для ускорения поиска материалов для батарей следующего поколения на основе распространенных металлов, таких как магний, цинк и алюминий.
Оглавление
Проблемы цепочки поставок литиевых батарей
Литий, прозванный «белым золотом», в настоящее время является важнейшим материалом для аккумуляторов. Однако его дефицит делает его поставки не только дорогими, но и уязвимыми для геополитических влияний. Это вынуждает страны по всему миру сталкиваться с рисками в цепочках поставок, продвигая внедрение электромобилей и энергетический переход.
Кроме того, добыча лития наносит огромный вред окружающей среде. Только добыча с использованием испарительных прудов потребляет миллионы галлонов воды, оказывая значительное воздействие на экосистемы засушливых регионов. Эти реалии делают поиск альтернативных материалов литию неизбежным направлением в развитии энергетических технологий.
Поиск альтернатив литию
Ученые начали изучать другие, более распространенные металлы, такие как магний, цинк и алюминий. Эти металлы чрезвычайно распространены на Земле, широко распространены и относительно недороги. Применение их в батареях нового поколения может не только снизить зависимость от лития, но и сделать технологии хранения энергии более экологичными.
Потенциал этих металлических батарей обусловлен их многовалентными ионными свойствами. По сравнению с литием, многовалентные ионные батареи могут накапливать больше энергии на единицу объема, что имеет большое значение для увеличения запаса хода электромобилей и стабильности энергосистемы.
Роль суперкомпьютера: расширение SDSC
В исследованиях материалов суперкомпьютеры стали незаменимым инструментом. Система EXPANSE, предоставленная Национальным научным фондом (NSF) и расположенная в Суперкомпьютерном центре Сан-Диего (SDSC), позволяет исследователям моделировать и анализировать большое количество потенциальных структур материалов.
Эти высокопроизводительные вычислительные платформы способны обрабатывать огромные объемы данных, быстро моделировать стабильность и характеристики материалов в различных условиях, помогать ученым сокращать экспериментальные циклы и значительно ускорять процесс исследований и разработок новых материалов для батарей.
Преимущества и проблемы ТМО
Исследовательская группа сосредоточила внимание на оксидах переходных металлов (TMO). Эти материалы обладают высоким структурным разнообразием, обеспечивают превосходную ионную проводимость и могут вмещать различные носители заряда, что делает их идеальными кандидатами для многовалентных ионных батарей.
Однако именно из-за сложного химического состава и кристаллической структуры переходных металлооксидов традиционные методы поиска часто подобны «поиску иголки в стоге сена», что затрудняет быстрое нахождение наиболее подходящей комбинации в огромном пространстве материалов. Именно здесь искусственный интеллект может по-настоящему проявить себя.
Применение моделей искусственного интеллекта
Исследователи объединяют несколько моделей генеративного искусственного интеллекта для проведения беспрецедентного исследования материалов:
- Вариационный автокодировщик кристаллической диффузии (CDVAE): способен генерировать большое количество вариантов кристаллических структур, охватывающих широкий диапазон химических пространств.
- Большие языковые модели (LLM): Добавление идеальных свойств к сгенерированной структуре для отбора материалов, которые ближе к термодинамическому равновесию и легче синтезируются.
- Атомная графовая нейронная сеть (ALIGNN): точно прогнозирует электронную и термодинамическую стабильность материалов, помогая сузить диапазон скрининга.
Благодаря совместной работе этих моделей команда может эффективно выявлять материалы-кандидаты с наибольшим потенциалом применения, избегая высоких затрат и низкой эффективности традиционных экспериментов.
Процесс отбора из одного из десяти тысяч
Первоначально система искусственного интеллекта сгенерировала приблизительно 20 000 структур-кандидатов (примерно 10 000 для CDVAE и 10 000 для LLM). После нескольких этапов отбора и моделирования окончательное число сократилось до 42 для CDVAE и 13 для LLM.
Стоит отметить, что у обоих методов есть свои преимущества. Структуры, полученные методом LLM, проще синтезировать в лаборатории, в то время как метод CDVAE позволяет получать более «прорывные» неравновесные материалы, которые могут стать ключевым прорывом для будущих новых батарей.
Наиболее перспективные структуры-кандидаты
В итоге исследовательская группа выявила пять наиболее стабильных структур TMO. Эти структуры обладают следующими общими характеристиками:
- С открытой туннельной рамой
- Способен эффективно вмещать многовалентные ионы.
- В ходе имитационных испытаний он демонстрирует хорошую структурную и термодинамическую стабильность.
С помощью расчетов методом теории функционала плотности (DFT) исследователи дополнительно подтвердили их осуществимость в реальных условиях, доказав, что эти материалы действительно перспективны для использования в батареях следующего поколения.
Поддержка и перспективы
Доцент NJIT Датта подчеркнул, что программа ACCESS Национального научного фонда США имеет решающее значение для исследований, сравнив ее с «кислородом». Без этих вычислительных ресурсов проведение таких новаторских исследований было бы затруднительным.
Благодаря постоянному развитию искусственного интеллекта и суперкомпьютеров мы постепенно движемся к будущему, которое больше не будет зависеть от лития. Это не только снизит нагрузку на окружающую среду, но и потенциально обеспечит более безопасное, стабильное и устойчивое решение для глобального энергетического перехода.
Источник:
- Есть ли надежда на преодоление кризиса с батареями? Искусственный интеллект помогает открыть загадочный металлический материал, который может заменить литий.
- SDSC: Изучение материалов для батарей следующего поколения с помощью GenAI
Что касается измельчения, мы предлагаем индивидуальные настройки и можем регулировать соотношение в соответствии с требованиями обработки для достижения максимальной эффективности.
Добро пожаловать, свяжитесь с нами, у нас есть кто-то, кто ответит на ваши вопросы.
Если вам нужна индивидуальная расценка, пожалуйста, свяжитесь с нами.
Часы работы службы поддержки клиентов: с понедельника по пятницу с 09:00 до 18:00.
Тел: 07 223 1058
Если у вас есть какие-либо вопросы или вопросы, на которые вы не смогли ответить по телефону, пожалуйста, отправьте мне личное сообщение на Facebook~~
Фейсбук Хоневэй: https://www.facebook.com/honwaygroup
Вас также может заинтересовать…
[wpb-random-posts]
