Pesquisadores do Instituto de Tecnologia de Nova Jersey (NJIT) usaram inteligência artificial para lidar com um problema importante diante da economia de energia: procurando alternativas sustentáveis e acessíveis de baterias de íons de lítio.
Pesquisar Cell Physical Science ReportA equipe do NJIT, liderada pelo professor Dibakar Dutt, aplicou com sucesso a estratégia de IA do gerador para descobrir rapidamente materiais de derramamento recentemente capazes de revolucionar as baterias de íons multivalentes. Essas baterias, magnésio, cálcio, alumínio e zinco fornecem uma alternativa comprometida e cara às baterias de íons de lítio, que enfrentam os desafios dos desafios globais de suprimentos e problemas sustentáveis.
Ao contrário das baterias tradicionais de íons de lítio, que dependem de íons de lítio, que carregam apenas uma única carga positiva, usando a bateria de íons multivalente que carrega duas ou três cargas positivas. Isso significa que as baterias de íons multivalentes provavelmente podem economizar mais energia, tornando-as extremamente atraentes para futuras soluções de economia de energia.
No entanto, o tamanho maior e os íons multivalentes maiores taxas elétricas os tornam desafiadores para ajustar os materiais da bateria com eficiência-é uma barreira que aborda diretamente a nova pesquisa orientada pela IA da equipe do NJIT.
“Um dos maiores obstáculos não não possuía uma química de bateria comprometida – era a impossibilidade perfeita testar alguns milhões de elementos”, disse Dutt. “Nós nos transformamos em uma IA geradora como uma maneira rápida e sistemática de fluir através daquela paisagem enorme e identificar algumas estruturas que podem realmente tornar muitas baterias práticas.
“Como resultado dessa abordagem, milhares de candidatos em potencial permitiram explorar rapidamente, prenderam dramaticamente a busca pela tecnologia de íons de lítio a alternativas mais rápidas e sustentáveis”.
Para superar esses obstáculos, a equipe do NJIT desenvolveu um novo método Dual-AI: um Crystal Expansion Verial AutoCoder (CDVA) e um modelo de linguagem sutil (LLM). Juntos, essas ferramentas de IA exploraram rapidamente milhares de novas estruturas de cristal, o que é algo impossível antes de usar os testes de laboratório tradicionais.
O modelo CDVA foi treinado em um amplo conjunto de dados de estruturas cristalinas conhecidas, permite oferecer materiais sofisticados completos com várias possibilidades estruturais. Enquanto isso, a importante estabilidade termodinâmica da síntese prática do LLM foi sintonizada nos materiais mais próximos.
“Nosso equipamento de IA acelerou drasticamente o processo de invenção, que descobriu cinco estruturas de óxido de metal de transição completamente perfuradas, que mostram promessas significativas”, disse Dutt. “Esses materiais têm o ideal de canais grandes e abertos para remover esses enormes íons multivalentes de maneira rápida e segura, um progresso crítico para as baterias da próxima geração” “
A equipe validou suas estruturas expostas a A usando testes quânticos de simulação e estabilidade mecânica, garantindo que os materiais possam realmente ser sintetizados experimentalmente e ter um grande potencial para aplicações do mundo real.
Dutt enfatizou os efeitos amplos de sua abordagem orientada a IA: “É apenas mais do que descobrir novos materiais de bateria da solução de energia limpa, para estabelecer um método rápido e de spa para explorar qualquer material avançado sem defeitos”.
Com esses resultados encorajadores, Dutt e seus colegas estão planejando cooperar com laboratórios experimentais para acumular e testar seus materiais dignos de IA, levando a fronteira a baterias de íons multidão eficazes comercialmente eficazes.
