Microsoft использует ИИ для создания «супербатареи»

Поиск подходящих материалов для аккумуляторов нового типа занимал много времени. Однако с помощью искусственного интеллекта исследователи проанализировали сразу 32 миллиона веществ — и нашли подходящие.

Батареи с новым твердотельным электролитом уже тестируются в лаборатории на предмет их поведения при зарядке и разрядке.

Это одно из многих преимуществ искусственного интеллекта: технология должна значительно ускорить анализ новых материалов и молекул и, таким образом, помочь решить некоторые из наиболее насущных проблем нашего времени. Эксперты надеются найти химические модели лучших катализаторов, более мощных батарей и других инновационных материалов. Недавно команда Microsoft в сотрудничестве с Тихоокеанской северо-западной национальной лабораторией (PNNL) объявила, что достигла важной вехи на пути к реализации этого видения. С помощью ИИ исследователи отфильтровали ранее неизвестный материал из 32 миллионов возможных веществ, а затем синтезировали его в лаборатории. По мнению исследователей, материал имеет большой потенциал в качестве ресурсосберегающего накопителя энергии. Результаты еще не прошли независимую проверку.

Обычно исследование новых химических веществ представляет собой сложный, дорогостоящий и длительный процесс. На поиск, производство и испытание новых соединений уходят годы, если не десятилетия. Например, разработка широко используемого сегодня литий-ионного аккумулятора заняла около двух десятилетий. Весь процесс – начиная с поиска подходящих материалов и заканчивая выбором, тестированием и производством прототипа батареи – теперь сократился до девяти месяцев. «Мы находимся в начале новой эры научных открытий», — заявил в пресс-релизе Джейсон Зандер, вице-президент по стратегической миссии и технологиям Microsoft. «Наш успех в поиске нового материала для аккумуляторов с использованием искусственного интеллекта — лишь один из многих примеров того, как инновационный подход к исследованию материалов может улучшить нашу повседневную жизнь в будущем».

Платформа Microsoft «Azure Quantum Elements» опирается на различные системы искусственного интеллекта, облачные вычисления, высокопроизводительные вычисления и — в более отдаленном будущем — квантовый компьютер. Во-первых, команда обучила ИИ определять жизнеспособные комбинации различных химических элементов для этого конкретного применения. Затем алгоритм предложил 32,6 миллиона кандидатов. Затем ученые использовали другую систему искусственного интеллекта, чтобы определить все материалы, которые образуют стабильную конфигурацию в естественных условиях. Третий инструмент искусственного интеллекта отфильтровал молекулы, которые можно было бы считать материалами для батарей, на основе их реакционной способности и ионной проводимости. Осталось около 800 веществ. Все модели ИИ, используемые для этого процесса выбора, основаны на графической нейронной сети. Такие сети могут обрабатывать данные, которые можно представить в виде графиков.

Новое вещество уже проходит испытания

ИИ может быть быстрым, но ему не хватает точности, необходимой в исследовании материалов. Поэтому затем исследователи использовали классические высокопроизводительные компьютеры для моделирования молекулярной динамики остальных материалов. Список сократился до 150 кандидатов. Наконец, ученые оценили доступность, стоимость и множество других параметров, в результате чего было получено 23 материала, пять из которых уже были известны. Все это заняло всего 80 часов – не считая усилий по обучению и программированию. Эксперты PNNL сделали окончательный отбор материала, имевшего наибольшие шансы на успех по всем необходимым параметрам.

Состав твердотельного электролита, который сейчас проходит испытания, содержит как литий, так и натрий, а также некоторые другие элементы. Это может значительно снизить содержание лития в батареях – возможно, до 70 процентов. Раньше считалось, что натрий и литий плохо взаимодействуют друг с другом. Поскольку литий уже относительно дефицитен и дорог, исследователи материалов во всем мире уже некоторое время ищут альтернативы.

«Дело не столько в конкретном материале батареи, сколько в скорости, с которой его можно идентифицировать».
— Брайан Абрахамсон, директор по цифровым технологиям PNNL

Однако Брайан Абрахамсон, глава цифрового отдела PNNL, предупреждает, что материал все еще находится на ранних стадиях исследования. Точный химический состав все еще нуждается в оптимизации, и он может оказаться непригодным для крупномасштабных испытаний. «Дело не столько в конкретном материале батареи, сколько в скорости, с которой он был идентифицирован», — сказал он. Это важнейшее узкое место, которое замедляет исследования. Потому что количество составов материалов, которые необходимо исследовать и проанализировать, чтобы найти инновационные решения, может превышать количество атомов в известной Вселенной.