Investigadores del Instituto de Tecnología de Nueva Jersey (NJIT) han utilizado inteligencia artificial para abordar un tema importante que enfrenta el futuro del almacenamiento de energía: en busca de alternativas baratas y sostenibles a las baterías de iones de litio.
En la investigación publicada en Informes de células Ciencias físicasEl equipo NJIT, dirigido por el profesor Debakar Dutta, implementó con éxito la técnica de IA generativa para descubrir rápidamente el nuevo contenido inseguro capaz de revolucionar las baterías de iones multinacionales. Estas baterías, que utilizan elementos grandes como baterías, magnesio, calcio, aluminio y zinc, ofrecen una alternativa prometedora y efectiva a las baterías de litio, que enfrenta desafíos y estabilidad de suministro global.
A diferencia de las baterías tradicionales de iones de litio, que se basan en iones de litio que tienen solo una carga positiva, las baterías de iones de valor múltiple utilizan elementos que tienen dos o incluso tres cargos positivos. Esto significa que las baterías de iones de valor múltiple pueden potencialmente almacenar más energía, lo que puede hacer que el futuro sea muy atractivo para las soluciones de almacenamiento de energía.
Sin embargo, el gran tamaño de los iones de valor múltiple y la carga eléctrica máxima los convierte en el desafío del desafío de ajustarlos de manera efectiva al contenido de la batería. Esta es una barrera que aborda directamente la nueva investigación de conducción de IA del equipo NJIT.
“El mayor obstáculo no era la promesa de los químicos de la batería: era imposible probar millones de combinaciones de materiales”, dijo Dutta. “Nos acercamos a la IA generativa a una forma aguda y sistemática de atraer este vasto paisaje y buscar algunas estructuras que realmente puedan hacer prácticas múltiples baterías de valent.
“Este enfoque nos permite encontrar rápidamente miles de candidatos potenciales, que intensifican drásticamente la búsqueda de alternativas más eficientes y sostenibles a la tecnología de iones de litio”.
Para superar estos obstáculos, el equipo NJIT desarrolló un nuevo punto de vista Doble-AI: una variable de cristal auto-acnewonder (CDVAE) y un modelo de lenguaje grande alimentado (LLM). Juntos, estos peajes de IA detectaron rápidamente miles de nuevas estructuras de cristal, lo cual es imposible usar las experiencias de laboratorio tradicionales.
El modelo CDVAE fue entrenado en una amplia gama de estructuras cristalinas líderes, que podrían recetarse contenido completamente novedoso con diversas posibilidades estructurales. Mientras tanto, el LLM estaba vinculado a cero en el material más cercano a la estabilidad termodéntica, que es muy importante para la síntesis práctica.
Dutta dijo: “Nuestros peajes de IA intensificaron drásticamente el proceso de descubrimiento, que expuso las cinco estructuras de óxido de metal de transferencia completamente inseguros que muestran una promesa notable”. “Estas sustancias tienen canales grandes y abiertos ideales para mover estos grandes iones de valores múltiples de manera rápida y segura, lo cual es un desarrollo importante para las baterías de próxima generación”.
El equipo respaldó la estructura hecha de su IA utilizando pruebas de simulación mecánica cuántica y estabilidad, confirmó que este contenido realmente se puede combinar experimentalmente y tiene un gran potencial para aplicaciones del mundo real.
Dutta enfatizó las implicaciones más amplias de su enfoque impulsado por la IA: “Esto es mucho más que solo descubrir el nuevo contenido de la batería, se trata de establecer una forma rápida y expansiva de encontrar cualquier contenido sofisticado, desde la electrónica hasta las soluciones de energía limpia, sin ninguna prueba y error”.
Con estos resultados alentadores, Dutta y sus colegas han tenido la intención de cooperar con los laboratorios experimentales para combinar y verificar sus materiales diseñados por IA, y mover los límites a las baterías de iones de valores múltiples comercialmente viables.
