💬 Смог ли ИИ предложить что-то полезное? Оказалось, что смог! И это даже запатентовали.
🔋 Neovolt.ru ➡ Блог ➡ Научно-популярное
Изо всех приёмников только и твердят: «Искусственный Интеллект (ИИ) изменит наше будущее». Когда-нибудь, в будущем, потом...
💡 Но ведь уже есть машинное обучение! Пусть примитивное и простое.
Пусть годится оно лишь чтобы обработать сотворённые человеком данные. Зато автоматизированные, не требующие сна и еды алгоритмы.
И вот вам факт. Попытки заставить кремниевый разум заняться аккумуляторами уже предпринимаются. И свежий успешный пример как раз датирован 2020-м годом.
Результаты исследования опубликованы в журнале Nature.com [s41586-020-1994-5] под названием «Оптимизация протоколов быстрой зарядки аккумуляторов с обратной связью с помощью машинного обучения».
Почему аккумуляторами должен заняться кремниевый разум?
Учёные считают, что исследования в области делегирования этой задачи машинам помогут сдвинуть дело с мёртвой точки. Есть несколько причин, почему человечество пока не оправдало ожиданий при улучшении элементов питания.
- Это самый болезненный в области технологического прогресса вопрос;
- мобильные устройства всё более востребованы, чем стационарные;
- электромобили на аккумуляторах совершенствуются и вскоре создадут серьёзную конкуренцию двигателю внутреннего сгорания.
Сегодня мы посмотрим, каких результатов удалось добиться машинам в области совершенствования аккумуляторов. Также приведём в цифрах сколько циклов заряд-разряд можно выжать в идеальных условиях.
Что такого нового сделали учёные?
Цель исследования — задать жару аккумуляторам проверить, как можно остановить или замедлить старение перезаряжаемых батарей. Тех, что сегодня используются в смартфонах, гаджетах и электромобилях.
🔎 Обычно стареют они в ходе циклов заряд-разряд, и тем пуще, чем выше температура и скорее протекает зарядка и разрядка.
И здесь возникает вопрос — стоит проводить сложные и дорогие эксперименты или поручить всё алгоритмам машинного обучения? Что если они дадут представление о работе аккумулятора и сбоях гораздо быстрее и без затрат?
С этого и началось исследование. В нём приняли участие сотрудники Стэнфорда, Массачусетского технологического института (MIT), исследовательского института Toyota (TRI), Национальной лаборатории Лоуренса Беркли (LBNL) и SLAC Национальная лаборатория ускорителей (SLAC NAL).
Вот, кто вошёл в команду:
- группа учёных-материаловедов;
- инженеры-химики;
- компьютерные специалисты.
За основу исследования взят коммерческий литий-железо-фосфатный (LFP) графитовый цилиндрический элемент ёмкостью 1,1 Ач (от A123 Systems). Этот тип химии выбран как наиболее стабильный вариант, который подходит лучше для исследования, чем литий-ионный.
С его помощью авторы определили способ зарядки, который максимально продлит срок службы любого аккумулятора на основе лития.
Что не так с современными методами зарядки?
Мы подробно уже рассказывали про быструю зарядку и её проблемы. Если вкратце, то её использование приводит к преждевременному износу аккумулятора. Особенно при негативных внешних факторах.
Если просто взять и подать один большой постоянный ток, то деградация будет самой скоропостижной. Другие изученные варианты быстрой зарядки с поэтапным изменением тока уменьшают износ и продлевают жизнь батарее.
Однако единственный эффективный способ до сих пор не был найден ни одним производителем. Так, например, в исследовании команда учёных при помощи искусственного интеллекта изучила 224 различных протокола зарядки.
Что входит в протокол:
- шесть этапов зарядки;
- первые пять выполняются при разных постоянных токах;
- шестой — при постоянном напряжении.
Например, зарядное устройство для вашего смартфона вероятнее всего использует один и тот же постоянный ток до 70–80% степени заряда (есть запатентованные исключения). Затем следует пошаговое снижение напряжения до момента полной зарядки, что предотвращает перезаряд.
Удалось ли улучшить аккумуляторы с искусственным интеллектом?
Удалось. В последнем отчёте учёные приводят следующий протокол быстрой зарядки, которые более других продлил срок службы аккумулятора.
Идеальный протокол быстрой зарядки на основе машинного обучения:
- первые три шага были независимыми в диапазоне значений C примерно 4–8C (1C = 1,1 А для ячеек 1,1 А·ч);
- шаг четыре был настроен так, чтобы время зарядки составляло 10 минут для достижения 80% уровня заряда;
- пятый шаг — ещё 1C постоянным током до 90% заряда;
- последним шагом было поддержание постоянного напряжения на уровне 3,6 В.
Срок службы аккумулятора с такой быстрой зарядкой составит около 1200 циклов. Современные варианты обеспечивают лишь 600-800 циклов.
💡 Искусственный интеллект называет существующие протоколы худшими из всех возможных вариантов (напомним, их 224).
Срок службы определяется как номер цикла, при котором аккумулятор сохраняет только 80% своей первоначальной ёмкости. Исследование дополнительно показало производителям, в каких материалах аккумуляторов нуждается сейчас отрасль.
***
Для тех, кто заинтересован в применении этой методологии в своих проектах, авторы разместили код, данные и алгоритмы обработки данных в интернете по адресам:
Несколько авторов подали патент на основе этой работы: Заявка на патент США №16/161,790 (16 октября 2018 г.).
Обновлено 11 января 2024:
- Искусственный интеллект Microsoft нашел новый материал для замены литий-ионных аккумуляторов.
- Microsoft сотрудничала с PNNL для обнаружения нового материала, который оказался способен снизить зависимость производителей от лития.
- Команда учёных использовала нейрогенеративный искусственный интеллект и облачную платформу Azure Quantum Elements для ускорения исследований материалов.
- Алгоритмы машинного обучения предсказывали характеристики новых материалов, ускоряя прогнозирование свойств в 1500 раз.
- Microsoft и PNNL обучили модели, используя миллионы точек данных из симуляций.
- Сочетание машинного обучения, платформы Azure Quantum Elements и накопленного научного опыта даёт возможность превратить следующие 250 лет инноваций в области химии и материаловедения «в следующие 25».
- Microsoft определила группу из 18 лучших кандидатов, используя опыт PNNL и аналитические данные.
- Новый материал уже синтезирован компанией PNNL и запланированы дополнительные испытания для проверки его стабильности и эффективности.