ИИ обнаружил 5 перспективных материалов для замены литиевых аккумуляторов

Двойная система искусственного интеллекта выявила пять перспективных материалов для высокопроизводительных и экологичных мультивалентных аккумуляторов, которые могут заменить литий-ионные технологии.

Исследователи из Технологического института Нью-Джерси (NJIT) использовали искусственный интеллект для решения ключевой проблемы в области хранения энергии — поиска доступных и устойчивых альтернатив литий-ионным аккумуляторам.

В исследовании, опубликованном в журнале Cell Reports Physical Science, команда под руководством профессора Дибакара Датты успешно применила генеративные методы ИИ для быстрого обнаружения новых пористых материалов, способных революционизировать мультивалентные аккумуляторы. Эти батареи, использующие распространённые элементы, такие как магний, кальций, алюминий и цинк, предлагают экономичную альтернативу литий-ионным аккумуляторам, которые сталкиваются с глобальными проблемами поставок и устойчивости.

В отличие от традиционных литий-ионных аккумуляторов, где ионы лития несут всего один положительный заряд, мультивалентные аккумуляторы используют элементы с ионами, несущими два или даже три положительных заряда. Это означает, что такие батареи потенциально могут хранить значительно больше энергии, что делает их крайне привлекательными для будущих решений в области хранения энергии.

Однако больший размер и более высокий заряд мультивалентных ионов создают сложности для их эффективного размещения в материалах аккумуляторов — проблему, которую новое исследование команды NJIT успешно решает с помощью ИИ.

«Одним из главных препятствий было не отсутствие перспективных химических составов, а невозможность тестирования миллионов комбинаций материалов», — пояснил Датта. «Мы обратились к генеративному ИИ как к быстрому и систематическому способу просеивания этого огромного пространства и поиска структур, которые действительно могут сделать мультивалентные аккумуляторы практичными».

Для преодоления этих трудностей команда разработала инновационный двойной подход с использованием ИИ: Crystal Diffusion Variational Autoencoder (CDVAE) и тонко настроенной языковой модели (LLM). Вместе эти инструменты позволили быстро исследовать тысячи новых кристаллических структур, что ранее было невозможно с помощью традиционных лабораторных экспериментов.

Модель CDVAE обучалась на обширных наборах данных известных кристаллических структур, что позволило ей предлагать совершенно новые материалы с разнообразными структурными возможностями. В то же время LLM была настроена на поиск материалов, наиболее близких к термодинамической стабильности, что критически важно для их практического синтеза.

«Наши инструменты ИИ значительно ускорили процесс открытия, выявив пять совершенно новых пористых структур оксидов переходных металлов, демонстрирующих выдающийся потенциал», — заявил Датта. «Эти материалы имеют большие открытые каналы, идеальные для быстрого и безопасного перемещения крупных мультивалентных ионов — ключевой прорыв для аккумуляторов следующего поколения».

Команда подтвердила стабильность и пригодность материалов с помощью квантово-механического моделирования, что открывает путь к их экспериментальному синтезу и реальному применению.

ИИ: Это исследование демонстрирует, как искусственный интеллект может ускорить научные открытия, особенно в критически важных областях, таких как энергетика. В перспективе такие технологии могут кардинально изменить рынок аккумуляторов, сделав их более доступными и экологичными.