[ad_1]
Чуэ отметил, что в аккумуляторе трещины вызываются не температурой, а механическим напряжением, которое материалы оказывают друг на друга при каждом цикле зарядки.
«К сожалению, мы мало что знаем о том, что происходит на наноуровне, где атомы связываются», — сказал Чуэ. «Эти новые методы микроскопии с высоким разрешением позволяют нам увидеть это, а искусственный интеллект помогает нам понять, что происходит. Впервые мы можем визуализировать и измерить эти силы в масштабе одного нанометра».
Чуэ сказал, что характеристики любого данного материала зависят как от его химического состава, так и от физического взаимодействия в материале в атомистическом масштабе, что он называет «химико-механикой». Более того, чем меньше становятся объекты и чем разнообразнее атомы, составляющие материал, тем сложнее предсказать, как поведет себя материал. Введите ИИ.
Инструмент преобразования
Использование ИИ для анализа изображений не ново, но его использование для изучения атомных взаимодействий в наименьших масштабах является новым. В медицине искусственный интеллект стал преобразующим инструментом для анализа изображений всего, от неисправных коленей до смертельно опасных видов рака. Тем временем в материаловедении новые методы рентгеновской, электронной и нейтронной микроскопии высокого разрешения позволяют осуществлять прямую визуализацию в наномасштабе.
В качестве темы команда выбрала литий-железо-фосфат или «LFP», хорошо известный материал, используемый в положительных электродах, который набирает популярность среди производителей электромобилей и других предприятий, интенсивно использующих аккумуляторы. Этот электрод не содержит кобальта и никеля, которые используются во многих имеющихся в продаже батареях. Батареи LFP также безопаснее, хотя они держат меньше электроэнергии на фунт.
Хотя LFP изучается уже два десятилетия, до сих пор можно было только догадываться о двух ключевых нерешенных технических вопросах. Первый включает в себя понимание эластичности и деформации материала, когда он заряжается и разряжается. Второй относится к тому, как он расширяется и сжимается в определенном режиме, когда LFP частично стабилен или «метастабилен».
Дэн помог объяснить как впервые, используя свои методы обучения изображениям, которые он применил к серии двумерных изображений, полученных с помощью сканирующего просвечивающего электронного микроскопа, так и к усовершенствованным (спектро-птихография) рентгеновским изображениям. Полученные данные, по его словам, важны для емкости батареи, удержания энергии и скорости. Более того, он считает, что это применимо к большинству кристаллических материалов, которые также могут быть хорошими электродами.
«ИИ может помочь нам понять эти физические отношения, которые являются ключевыми для прогнозирования того, как будет работать новая батарея, насколько она будет надежна в реальном использовании и как со временем ухудшается материал», — сказал Дэн.
Новые направления
Чуэ называет Дэна «академическим предпринимателем». По образованию он химик, но научился тонкостям искусственного интеллекта, чтобы справиться с этой задачей. Дэн сказал, что этот подход представляет собой форму «обратного обучения», при котором известен результат — неподвижные изображения с высоким разрешением ухудшенного LFP — и ИИ помогает реконструировать физику, чтобы объяснить, как это произошло. Эти новые знания, в свою очередь, становятся основой для улучшения материалов.
Дэн отметил, что предыдущие исследования, не связанные с искусственным интеллектом, выявили взаимосвязь того, как механические нагрузки влияют на долговечность электрода, но этот новый подход обеспечивает как увлекательный способ, так и мотивацию для развития более фундаментального понимания механики в игре.
Кроме того, исследователи говорят, что они уже работают над тем, чтобы использовать свои методы для объяснения многообещающих новых конструкций батарей на атомном уровне. Одним из результатов может стать новое программное обеспечение для управления батареями, которое управляет зарядкой и разрядкой таким образом, чтобы продлить срок службы батареи. Еще одним захватывающим направлением является разработка более точных вычислительных моделей, которые позволяют инженерам по батареям исследовать альтернативные материалы электродов на компьютере, а не в лаборатории.
«Эта работа уже ведется», — сказал Чуэ. «ИИ может помочь нам взглянуть на старые материалы по-новому и, возможно, найти многообещающие альтернативы некоторым пока неизвестным материалам».
Чуэ также является старшим научным сотрудником Стэнфордского института энергетики Precourt и главным исследователем Стэнфордского института материалов и энергетических наук. Другими неупомянутыми соавторами из Стэнфорда являются Вей Цай, профессор машиностроения; Норман Джин, доктор философии ’21; аспиранты Эдер Джованни Ломели и Руи Ян; и Джуи Лю, MS ’21. Другими соавторами этого исследования являются исследователи из Массачусетского технологического института, Национальной лаборатории Лоуренса в Беркли, Лионского университета, Национального университета Чунгбук и Калифорнийского университета в Беркли.
Это исследование было поддержано Исследовательским институтом Toyota. Дополнительную поддержку оказали Министерство энергетики США, Национальная лаборатория Лоуренса в Беркли, Национальная ускорительная лаборатория SLAC и Национальный научный фонд.
[ad_2]
Source