Home Notizie recenti I ricercatori ora sono in grado di prevedere la durata della batteria...

I ricercatori ora sono in grado di prevedere la durata della batteria con l’apprendimento automatico

103
0

I ricercatori Argonne hanno utilizzato modelli di apprendimento automatico per fare previsioni sulla durata del ciclo della batteria per un’ampia gamma di sostanze chimiche diverse. Credito: Shutterstock/Sealstep

Immagina un sensitivo che dice ai tuoi genitori, il giorno in cui sei nato, quanto tempo saresti vissuto. Un’esperienza simile è possibile per i chimici delle batterie che utilizzano nuovi modelli computazionali per calcolare la durata delle batterie sulla base di un minimo di un singolo ciclo di dati sperimentali.

In un nuovo studio, i ricercatori dell’Argonne National Laboratory del Dipartimento dell’Energia degli Stati Uniti (DOE) si sono rivolti al potere dell’apprendimento automatico per prevedere la vita di un’ampia gamma di diversi tipi di batterie. Utilizzando i dati sperimentali raccolti ad Argonne da un set di 300 batterie che rappresentano sei diverse sostanze chimiche della batteria, gli scienziati possono determinare con precisione per quanto tempo le diverse batterie continueranno a funzionare.

In un algoritmo di apprendimento automatico, gli scienziati addestrano un programma per computer per fare inferenze su un insieme iniziale di dati, quindi prendono ciò che ha appreso da quell’addestramento per prendere decisioni su un altro insieme di dati.

“Per ogni diverso tipo di applicazione della batteria, dai telefoni cellulari ai veicoli elettrici allo storage di rete, la durata della batteria è di fondamentale importanza per ogni consumatore”, ha affermato lo scienziato computazionale Argonne Noah Paulson, autore dello studio. “Dovere azionare una batteria migliaia di volte finché non si guasta può richiedere anni; il nostro metodo crea una sorta di laboratorio di prova computazionale in cui possiamo stabilire rapidamente come funzioneranno le diverse batterie”.

“In questo momento, l’unico modo per valutare come svanisce la capacità di una batteria è far funzionare effettivamente la batteria”, ha aggiunto Susan “Sue” Babinec, un’altra autrice dello studio, l’elettrochimica Argonne. “È molto costoso e ci vuole molto tempo”.

Secondo Paulson, il processo per stabilire la durata della batteria può essere complicato. “La realtà è che le batterie non durano per sempre e quanto durano dipende dal modo in cui le utilizziamo, dal loro design e dalla loro chimica”, ha affermato. “Fino ad ora, non c’era davvero un ottimo modo per sapere quanto durerà una batteria. Le persone vorranno sapere quanto tempo hanno prima di dover spendere soldi per una nuova batteria”.

Un aspetto unico dello studio è che riguardava un ampio lavoro sperimentale svolto ad Argonne su una varietà di materiali catodici per batterie, in particolare il catodo brevettato a base di nichel-manganese-cobalto (NMC) di Argonne. “Avevamo batterie che rappresentavano sostanze chimiche diverse, che hanno modi diversi di degradarsi e guastarsi”, ha detto Paulson. “Il valore di questo studio è che ci ha fornito segnali caratteristici delle prestazioni delle diverse batterie”.

Ulteriori studi in questo settore hanno il potenziale per guidare il futuro delle batterie agli ioni di litio, ha affermato Paulson. “Una delle cose che siamo in grado di fare è addestrare l’algoritmo su una chimica nota e fargli fare previsioni su una chimica sconosciuta”, ha detto. “In sostanza, l’algoritmo può aiutarci a indirizzarci verso prodotti chimici nuovi e migliorati che offrono durate più lunghe”.

In questo modo, Paulson ritiene che l’algoritmo di apprendimento automatico potrebbe accelerare lo sviluppo e il test dei materiali delle batterie. “Diciamo che hai un nuovo materiale e lo cicli alcune volte. Potresti usare il nostro algoritmo per prevederne la longevità, e poi prendere decisioni se vuoi continuare a farlo sperimentalmente o meno”.

“Se sei un ricercatore in un laboratorio, puoi scoprire e testare molti più materiali in un tempo più breve perché hai un modo più veloce per valutarli”, ha aggiunto Babinec.

Un documento basato sullo studio, “L’ingegneria delle funzionalità per l’apprendimento automatico ha consentito la previsione precoce della durata della batteria”, è apparso nel febbraio 2019. 25 edizione online del Giornale delle fonti di energia.


Articolo precedenteIl tessuto adiposo bruno attivo protegge dal “pre-prediabete”
Articolo successivoGuaina robotica indossabile ed economica per il trattamento del linfedema