Descubrir nuevos y potentes electrolitos es un obstáculo importante para diseñar baterías de nueva generación para vehículos eléctricos, teléfonos, computadoras portátiles y almacenamiento de energía a escala de cuadrícula.
Los electrolitos más estables no siempre son los más viables. Las baterías más efectivas no siempre son las más estables. Etcétera
“Los electrodos tienen que cumplir con muchas características diferentes al mismo tiempo. Siempre están en conflicto entre sí”, dijo Ritesh Kumar, un compañero post documental Ritesh Kumar, que trabaja en el Laboratorio Amchanco en la Escuela de Ingeniería Molecular de la Universidad de Chicago Pratzkar (UCECME).
Es el primer escritor de una nueva disertación publicada en Kumar La química del contenido Está poniendo inteligencia artificial y aprendizaje automático en el trabajo. Este artículo ofrece un nuevo esquema marco para buscar moléculas que maximicen los tres componentes que hacen un electrolito de batería ideal. Conductividad del icono, estabilidad oxidativa y rendimiento colombico.
Dragando los datos compilados de 250 trabajos de investigación devueltos en los primeros días de la investigación de la batería de litio, el grupo utilizó la IA que llaman “E.Puntaje“Para diferentes moléculas.Puntaje Equilibra estos tres estándares, identificando moléculas que marcan las tres casillas.
“En una propiedad, el campeón de Invertir Gater, profesor asistente de la familia PME Newbauer de Okicago, dijo Chebiz Aminachuko,” no hay una molécula campeona campeona de una propiedad en una propiedad. “
Ya han probado sus procesos, utilizando IA para identificar una molécula que realiza los mejores electrolitos en el mercado, que es un desarrollo importante en un campo que a menudo depende de las pruebas y el error.
“La corrección de electrolitos es un proceso lento y desafiante en el que los investigadores a menudo recurren a pruebas y errores para equilibrar las propiedades competitivas en mezclas de componentes múltiples”, dijo Jeffrey López, profesor asistente de ingeniería química y biológica en la Universidad North oeste. “Este tipo de marco de investigación impulsado por los datos es importante para acelerar el desarrollo de nuevos materiales de batería y ayudar a aprovechar el progreso en la capaz de ciencia y automatización de laboratorio de IA”.
La música de las baterías
Los lugares de inteligencia artificial prometen probar el laboratorio para que los científicos pierdan menos tiempo, energía y recursos en el callejón sin salida y el comienzo incorrecto. Los investigadores de UCHiCago PME ya están utilizando IA para ayudar a desarrollar el tratamiento del cáncer, la inmunoterapia, los métodos de tratamiento de agua, los materiales cuánticos y otras nuevas tecnologías.
Dado que el número teórico de moléculas que pueden hacer que los electrolitos de la batería sean uno con la 60ª potencia 10, o luego con 60 ceros, que pueden marcar a los ganadores de los miles de millones de no iniciadores, les da a los investigadores una gran ventaja.
“Sería imposible para nosotros pasar por cientos de millones de compuestos, ‘Oh, creo que deberíamos estudiarlo”.
Aancukwu fue comparado con la investigación para escuchar música en línea.
Imagine una IA entrenada sobre el sabor musical de una persona en particular, una combinación de características que van a su propio personal “e.Puntaje“Para buenas canciones. La nueva investigación de electrolitos creó un equivalente a una IA que puede pasar por una lista de reproducción existente y, al cantar, predice si a la persona le gustará. El siguiente paso será una IA que puede ser. Crear A una lista de reproducción de las canciones le gustará esa persona, una adaptación conceptual sutil pero importante.
El último paso, y el objetivo de la investigación de IA del laboratorio Amichuko, será una IA que puede escribir música, o una nueva molécula está diseñada en este caso, que cumple con todos los parámetros dados.
AMINCHUKO recibió el Premio Google Research Scholar el año pasado para ayudar al laboratorio a acercarse a esta etapa final: AI de electrolitos realmente generativo.
Una peculiaridad de diseño gráfico
El equipo comenzó a curar los datos de entrenamiento para la IA, comenzando manualmente en 2020.
“Hay miles de electrolitos potenciales en el conjunto de datos actual que hemos eliminado de la literatura, que cubre más de 50 años de investigación”, dijo Kumar.
Una de las razones para insertar manualmente los datos no es de la química, sino del diseño gráfico.
Cuando los investigadores escriben artículos y revistas los presentan en forma de revistas, el equipo se convierte en E en EPuntaje Comúnmente encontrado en fotos. Estos son jpeg o .png reflexión, gráficos, arigram y otros gráficos que se ejecutan dentro del texto, pero no son parte del texto.
Con trabajos de investigación, la mayoría de los modelos de idiomas grandes están capacitados solo para leer el texto, es decir, el equipo de Yukigo PME ingresará los datos de capacitación durante algún tiempo.
“Incluso los modelos hoy en día realmente están luchando con fotos que extraen datos”.
Aunque los datos de entrenamiento están muy extendidos, este es solo el primer paso.
“No quiero encontrar la molécula, que ya estaba en mis datos de entrenamiento”, dijo Aminachuko. “Quiero buscar moléculas en muchos espacios químicos diferentes. Por lo tanto, examinamos que cuando estos modelos no venían cuando nunca antes habían visto”.
El equipo descubrió que cuando una UNO -químicamente similar a los datos de entrenamiento, AI predijo lo bueno que era el electrolito, lo que sería con alta precisión. Luchó para marcar el material desconocido, lo que marcó el próximo desafío del equipo al buscar las baterías de la próxima generación para diseñar el equipo.
