Mokslininkai atskleidė, ką DI sugeba chemijoje: dabar jis projektuoja naujos kartos baterijas

Čikagos universiteto Pritzkerio molekulinės inžinerijos mokyklos tyrėjai pristatė metodą, kuriame dirbtinis intelektas generuoja pilnas elektrolitų receptūras naujos kartos baterijoms. Sprendimas vystomas kaip platesnės platformos „ElectrolyteGPT“ dalis, o tikslas – greičiau rasti mišinius, tinkančius pažangioms ličio metalo sistemoms.

Elektrolitas baterijoje lemia, kaip efektyviai juda jonai, koks bus įkrovimo greitis, stabilumas ir sauga. Problema ta, kad reikalavimai dažnai prieštarauja vienas kitam: siekiant didesnio laidumo gali prastėti stabilumas, o mažesnė klampa ne visada dera su ilgaamžiškumu.

Kas naujo šiame metode

Skirtingai nei daugelis įrankių, kurie tik atrenka medžiagas iš sąrašo, šis DI modelis pasiūlo visą sudėtį su detalėmis. Jis nurodo koncentracijas, proporcijas ir maišymo santykius, kad būtų pasiekti iš anksto apibrėžti rodikliai, pavyzdžiui, laidumas, stabilumas ir klampa.

Vienas iš metodo autorių Jaeminas Kimas pabrėžė, kad naujos kartos elektrolitams keliami itin aukšti ir dažnai tarpusavyje nesuderinami reikalavimai. DI pranašumas tas, kad jis gali vienu metu ieškoti sprendinių skirtingomis sąlygomis ir sistemingai optimizuoti daugiau nei vieną savybę.

„Mūsų tikslas buvo ne tik pasiūlyti medžiagas, bet sugeneruoti visą receptūrą taip, kad ji atitiktų kelis svarbiausius veikimo kriterijus“, – sakė Jaeminas Kimas.

Bandymuose rado naujų kandidatų

Tyrėjai laboratorijoje susintetino ir išbandė dalį DI sugeneruotų rekomendacijų. Pasak jų, buvo identifikuota keletas naujų elektrolitų kompozicijų, kurių veikimas prilygo pažangiausioms ličio metalo baterijų sistemoms.

Tai svarbu todėl, kad ličio metalo baterijos dažnai laikomos perspektyvia kryptimi didesnei energijos talpai pasiekti, tačiau jų diegimą riboja elektrolitų stabilumas ir saugumo iššūkiai. Jei elektrolitas nesugeba patikimai apsaugoti sistemos, didelė teorinė nauda praktikoje gali nepasiteisinti.

Kodėl DI čia ypač tinka

Mokslininkai atkreipia dėmesį, kad chemijoje galimų molekulių ir jų kombinacijų skaičius yra milžiniškas, todėl rankiniu būdu patikrinti visus variantus praktiškai neįmanoma. Generatyvus DI gali naršyti šią cheminę erdvę ir siūlyti naujus junginius bei mišinius, kurių žmogus greitai neatrastų.

Kitas iššūkis yra duomenys: daugelis ankstesnių modelių buvo mokomi su farmacinėmis molekulėmis, kurios nebūtinai tinka baterijų chemijai. Todėl komanda suformavo specialiai atrinktą duomenų rinkinį, orientuotą į su elektrolitais susijusius junginius, kad DI generuotų realesnius kandidatus būtent energijos kaupimo srities uždaviniams.