ساخت باتری های ایمن تر با بهره گیری از الکترولیت های حالت جامد
با فناوری: پژوهشگران ژاپنی با ساخت یک پایگاه داده پویا و استفاده از یادگیری ماشینی، یک گام به ساخت باتری های ایمن تر و کارآمدتر نزدیک شده اند.
به گزارش با فناوری به نقل از ایسنا، با حرکت جوامع به سمت راهبردهایی برای رسیدن به انرژی پاک تر، روی آوردن به وسایل نقلیه الکتریکی و منابع انرژی تجدیدپذیر مانند باد و خورشید بطور فزاینده ای حیاتی می شود.
به نقل از نانومگزین، با این تغییرات، خطر حریق باتری نیز بیشتر می شود. برای کاهش این خطر و بهبود عملکرد باتری، نسل بعدی باتری ها احتمالاً به الکترولیت های جدید حالت جامد متکی خواهند بود. پژوهش های انجام شده دراین زمینه به سبب تعداد زیاد گزینه ها و پارامترهای مربوط به مواد، چالش برانگیز بوده اند، اما پیشرفت های انجام شده در یادگیری ماشینی می توانند راهبردهای مورد نیاز را ارائه نمایند.
گروهی از دانشمندان علوم مواد، یک پایگاه داده پویا را شامل صدها الکترولیت حالت جامد به وجود آورده اند که از روش های مبتنی بر هوش مصنوعی برای هدایت مؤثرتر تحقیقات استفاده می نماید.
حلال های آلی بطور معمول به عنوان الکترولیت در خیلی از باتری های قابل شارژ استفاده می شوند. این مواد که بطور معمول بصورت مایع یا ژل هستند، حرکت یون ها را بین الکترودهای مثبت و منفی تسهیل می کنند. بااینکه حلال های آلی، رسانایی خوب و انتقال کارآمد یون را ارائه می دهند، اما خطرات قابل توجهی را در ایمنی و عملکرد به همراه دارند. به همین دلیل، مدتی است که پژوهشگران بدنبال مواد جایگزین الکترولیت هستند.
حلال های آلی می توانند قابل اشتعال باشند و به بروز واکنش های گرمایی منجر شوند که حریق یا انفجار را به همراه دارند. علاوه بر این، آنها مستعد تجزیه شیمیایی هستند که می تواند به تشکیل گاز و تجزیه الکترولیت به مرور زمان منجر شود و عملکرد و طول عمر باتری را کم کند. همچنین، طیف ولتاژی که باتری می تواند در آن کار کند، در حلال های آلی محدود است.
یکی از جایگزین های امیدوارکننده، «باتری های حالت تمام جامد»(ASSBs) هستند که حلال های آلی مایع یا ژل سنتی را با یک الکترولیت جامد جایگزین می کنند. این کار نه فقط خطر نشت و انفجار را از بین می برد، بلکه چگالی انرژی بالاتر و زمان شارژ سریع تری را ارائه می دهد. با این وجود، کشف «الکترولیت های حالت جامد»(SSEs) با رسانایی یونی بالا به سبب ساختار پیچیده آنها و رابطه بین ساختار و عملکرد، با چالش هایی همراه بوده است. تا به حال، تنها الکترولیت های حالت جامد با انتقال کند یون ها شناسایی شده اند که مانع توسعه باتری های حالت تمام جامد می شود.
«هائو لی»(Hao Li)، دانشمند علوم مواد «مؤسسه پیشرفته پژوهش مواد»(AIMR) در «دانشگاه توهوکو»(Tohoku University) و از پژوهشگران این پروژه اظهار داشت: آن چه اوضاع را بدتر می کند، تعداد بسیار زیاد الکترولیت های حالت جامد است که می توان از بین آنها انتخاب نمود. صدها گزینه انتخابی وجود دارد و مقابله با این حجم از گزینه ها و پیگیری خیلی از پارامترهای بهینه سازی عملکرد، یک چالش واقعی برای پژوهشگران است.
پژوهشگران برای حل این مشکل، یک پایگاه داده پویا را به نام «پایگاه داده پویای الکترولیت های حالت جامد»(DDSE) ایجاد کردند. این پایگاه داده در ابتدا حاوی بیش از ۶۰۰ الکترولیت حالت جامد بود که طیف گسترده ای را از دماهای عملیاتی پوشش می داد و کاتیون ها و آنیون های مختلف را در بر می گرفت. این پایگاه داده جهت بررسی روابط بین متغیرهای متفاوت طراحی شده است.
یک پایگاه داده پویا به آسانی می تواند بطور مکرر بروزرسانی و اصلاح گردد و امکان اعمال تغییر و افزودن در لحظه داده را به داده های موجود فراهم آورد. در این مورد، DDSE بطور مداوم با داده های آزمایشی جدید بروزرسانی می شود و بروزرسانی های هفتگی را دریافت می کند.
پژوهشگران برای غلبه بر محدودیت های تحلیل انسانی و هزینه های بالای محاسبات نظری، یادگیری ماشینی را در DDSE اعمال کردند. بدون یادگیری ماشینی، پژوهشگران برای مدیریت سیستم های اتمی بزرگ و پیچیدگی واکنش های شیمیایی مشکلاتی داشتند.
پژوهشگران با بهره گیری از یادگیری ماشینی می توانند پیش بینی های بهتری را درباره ی مواد جدید الکترولیت حالت جامد با هزینه های محاسباتی و مالی بسیار کمتر داشته باشند و در زمان مورد نیاز برای طراحی مواد صرفه جویی کنند. این روش به آنها امکان داده است تا روابط پیچیده ای را بین متغیرهای مختلف همچون انتقال یون، ترکیب، انرژی فعال سازی و رسانایی کشف کنند. این اطلاعات، امکان توسعه دستورالعمل های جدید را برای طراحی الکترولیت های حالت جامد فراهم می آورند.
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب