ساخت باتری های ایمن تر با استفاده از الکترولیت های حالت جامد
به گزارش گردو دانلود، پژوهشگران ژاپنی با ساخت یک پایگاه داده پویا و استفاده از یادگیری ماشینی، یک گام به ساخت باتری های ایمن تر و کارآمدتر نزدیک شده اند.
به گزارش گردو دانلود به نقل از ایسنا، با حرکت جوامع به سمت راهبردهایی برای رسیدن به انرژی پاک تر، روی آوردن به وسایل نقلیه الکتریکی و منابع انرژی تجدیدپذیر مانند باد و خورشید به صورت فزاینده ای حیاتی می شود.
به نقل از نانومگزین، با این تغییرات، خطر آتشسوزی باتری هم افزایش خواهد یافت. برای کاهش این خطر و بهبود عملکرد باتری، نسل بعدی باتری ها احیانا به الکترولیت های جدید حالت جامد متکی خواهند بود. پژوهش های انجام شده در این حوزه به علت تعداد زیاد گزینه ها و پارامترهای در ارتباط با مواد، چالش برانگیز بوده اند، اما پیشرفت های صورت گرفته در یادگیری ماشینی می توانند راهبردهای مورد نیاز را ارائه نمایند.
گروهی از دانشمندان علوم مواد، یک پایگاه داده پویا را شامل صدها الکترولیت حالت جامد بوجود آورده اند که از روش های مبتنی بر هوش مصنوعی برای هدایت مؤثرتر تحقیقات استفاده می نماید.
حلال های آلی معمولاً بعنوان الکترولیت در خیلی از باتری های قابل شارژ استفاده می شوند. این مواد که معمولاً به صورت مایع یا ژل هستند، حرکت یون ها را بین الکترودهای مثبت و منفی تسهیل می کنند. باآنکه حلال های آلی، رسانایی خوب و انتقال کارآمد یون را عرضه می دهند، اما خطرات قابل توجهی را در ایمنی و عملکرد به همراه دارند. به همین دلیل، مدتی است که پژوهشگران به دنبال مواد جایگزین الکترولیت هستند.
حلال های آلی می توانند قابل اشتعال باشند و به بروز واکنش های گرمایی منجر شوند که آتشسوزی یا انفجار را به همراه دارند. علاوه بر این، آنها مستعد تجزیه شیمیایی هستند که می تواند به تشکیل گاز و تجزیه الکترولیت به مرور زمان منجر شود و عملکرد و طول عمر باتری را کم کند. همچنین، طیف ولتاژی که باتری می تواند در آن کار کند، در حلال های آلی محدود است.
یکی از جایگزین های امیدوارکننده، «باتری های حالت تمام جامد»(ASSBs) هستند که حلال های آلی مایع یا ژل سنتی را با یک الکترولیت جامد جایگزین می کنند. این کار نه تنها خطر نشت و انفجار را از بین می برد، بلکه چگالی انرژی بالاتر و زمان شارژ سریع تری را عرضه می دهد. با این حال، کشف «الکترولیت های حالت جامد»(SSEs) با رسانایی یونی بالا به علت ساختار پیچیده آنها و رابطه بین ساختار و عملکرد، با چالش هایی همراه بوده است. تا به حال، تنها الکترولیت های حالت جامد با انتقال کند یون ها شناسایی شده اند که مانع توسعه باتری های حالت تمام جامد می شود.
«هائو لی»(Hao Li)، دانشمند علوم مواد «مؤسسه پیشرفته پژوهش مواد»(AIMR) در «دانشگاه توهوکو»(Tohoku University) و از پژوهشگران این پروژه اظهار داشت: آن چه اوضاع را بدتر می کند، تعداد بسیار زیاد الکترولیت های حالت جامد است که میتوان از بین آنها برگزید. صدها گزینه انتخابی وجود دارد و مقابله با این حجم از گزینه ها و پیگیری خیلی از پارامترهای بهینه سازی عملکرد، یک چالش واقعی برای پژوهشگران است.
پژوهشگران برای رفع این مشکل، یک پایگاه داده پویا را به نام «پایگاه داده پویای الکترولیت های حالت جامد»(DDSE) ایجاد کردند. این پایگاه داده در ابتدا حاوی بیشتر از ۶۰۰ الکترولیت حالت جامد بود که طیف گسترده ای را از دماهای عملیاتی پوشش می داد و کاتیون ها و آنیون های متعدد را در بر می گرفت. این پایگاه داده جهت بررسی روابط بین متغیرهای متفاوت طراحی شده است.
یک پایگاه داده پویا به سادگی می تواند به صورت مکرر بروزرسانی و اصلاح گردد و امکان اعمال تغییر و افزودن در لحظه داده را به داده های موجود فراهم آورد. در این مورد، DDSE به صورت مداوم با داده های آزمایشی جدید بروزرسانی می شود و بروزرسانی های هفتگی را دریافت می کند.
پژوهشگران برای غلبه بر محدودیت های تحلیل انسانی و هزینه های بالای محاسبات نظری، یادگیری ماشینی را در DDSE اعمال کردند. بدون یادگیری ماشینی، پژوهشگران برای مدیریت سیستم های اتمی بزرگ و پیچیدگی واکنش های شیمیایی مشکلاتی داشتند.
پژوهشگران با استفاده از یادگیری ماشینی می توانند پیشبینی های بهتری را در رابطه با مواد جدید الکترولیت حالت جامد با هزینه های محاسباتی و مالی بسیار کمتر داشته باشند و در زمان مورد نیاز برای طراحی مواد صرفه جویی کنند. این روش به آنها امکان داده است تا روابط پیچیده ای را بین متغیرهای متعدد همچون انتقال یون، ترکیب، انرژی فعال سازی و رسانایی کشف کنند. این اطلاعات، امکان توسعه دستورالعمل های جدید را برای طراحی الکترولیت های حالت جامد فراهم می آورند.
منبع: گردو دانلود
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب