أدوات الذكاء الاصطناعى تحدد بدائل جيدة لبطاريات الليثيوم

استخدم باحثون من معهد نيوجيرسي للتكنولوجيا (NJIT) الذكاء الاصطناعي لمعالجة مشكلة حرجة تواجه مستقبل تخزين الطاقة، ألا وهي إيجاد بدائل مستدامة وبأسعار معقولة لبطاريات الليثيوم-أيون.

ووفقا لما ذكره موقع “techxplore”، فإنه في بحث نُشر في مجلة Cell Reports Physical Science، نجح فريق معهد نيوجيرسي للتكنولوجيا، بقيادة البروفيسور ديباكار داتا، في تطبيق تقنيات الذكاء الاصطناعي التوليدي لاكتشاف مواد مسامية جديدة بسرعة، قادرة على إحداث ثورة في بطاريات الأيونات متعددة التكافؤ.
توفر هذه البطاريات، التي تحتوي على عناصر وفيرة مثل المغنيسيوم والكالسيوم والألمنيوم والزنك، بديلاً واعدًا وفعالًا من حيث التكلفة لبطاريات الليثيوم-أيون، التي تواجه تحديات عالمية في التوريد وقضايا الاستدامة.

على عكس بطاريات الليثيوم-أيون التقليدية، التي تعتمد على أيونات الليثيوم التي تحمل شحنة موجبة واحدة فقط، تستخدم بطاريات الأيونات متعددة التكافؤ عناصر تحمل أيوناتها شحنتين أو حتى ثلاث شحنات موجبة، وهذا يعني أن بطاريات الأيونات متعددة التكافؤ قادرة على تخزين طاقة أكبر بكثير، مما يجعلها جذابة للغاية لحلول تخزين الطاقة المستقبلية.

ومع ذلك، فإن الحجم الأكبر والشحنة الكهربائية الأكبر للأيونات متعددة التكافؤ يجعلان من الصعب استيعابها بكفاءة في مواد البطاريات، وهي عقبة يعالجها البحث الجديد لفريق معهد نيوجيرسي للتكنولوجيا، القائم على الذكاء الاصطناعي، بشكل مباشر.
قال داتا: “لم تكن إحدى أكبر العقبات نقص التركيبات الكيميائية الواعدة للبطاريات، بل كانت استحالة اختبار ملايين التركيبات المادية، لذلك لجأنا إلى الذكاء الاصطناعي التوليدي كوسيلة سريعة ومنهجية لفحص هذا المجال الواسع واكتشاف الهياكل القليلة التي يمكن أن تجعل البطاريات متعددة التكافؤ عملية حقًا.”

وأضاف، “يسمح لنا هذا النهج باستكشاف آلاف الخيارات المحتملة بسرعة، مما يُسرّع بشكل كبير البحث عن بدائل أكثر كفاءة واستدامة لتقنية أيونات الليثيوم.”

وطوّر فريق معهد نيوجيرسي للتكنولوجيا نهجًا جديدًا للذكاء الاصطناعي المزدوج، واستكشفت أدوات الذكاء الاصطناعي هذه بسرعة آلاف الهياكل البلورية الجديدة، وهو أمر كان مستحيلًا سابقًا باستخدام التجارب المعملية التقليدية.

تم تدريب نموذج CDVAE على مجموعات بيانات ضخمة من الهياكل البلورية المعروفة، مما مكّنه من اقتراح مواد جديدة تمامًا ذات إمكانيات هيكلية متنوعة، وفي الوقت نفسه، تم ضبط نموذج اللغة الكبير (LLM) للتركيز على المواد الأقرب إلى الاستقرار الديناميكي الحراري، وهو أمر بالغ الأهمية للتركيب العملي.

تحقق الفريق من صحة هياكلهم المُولّدة بالذكاء الاصطناعي باستخدام محاكاة ميكانيكا الكم واختبارات الاستقرار، مؤكدين إمكانية تصنيع هذه المواد تجريبيًا وامتلاكها إمكاناتٍ كبيرة لتطبيقاتٍ واقعية.

أكد داتا على الآثار الأوسع لنهجهم القائم على الذكاء الاصطناعي: “هذا يتجاوز مجرد اكتشاف مواد جديدة للبطاريات بل يتعلق بإنشاء طريقة سريعة وقابلة للتطوير لاستكشاف أي مواد متقدمة، من الإلكترونيات إلى حلول الطاقة النظيفة، دون الحاجة إلى تجارب واختبارات مكثفة”.