Daha güclü elektrik şəbəkəsi üçün daha ağıllı batareyalar lazımdır. ABŞ-da alimlər bu problemi artıq təkcə kimya laboratoriyalarında yox, həm də machine learning modelləri ilə həll etməyə çalışırlar.
Lawrence Livermore National Laboratory, yəni LLNL tədqiqatçıları batareyaların içində baş verən mürəkkəb prosesləri atom səviyyəsində anlamaq üçün physics-informed machine learning yanaşmasına fokuslanıb.
Batareyanın ən çətin tərəfi gözə görünməyən yerdədir
Batareyalar sadə görünə bilər: enerji yığır, sonra onu geri verir. Amma onların daxilində ionların hərəkəti, materialların reaksiyası və zamanla baş verən aşınma çox mürəkkəb proseslərdir.
Bu proseslər atom miqyasında baş verdiyi üçün onları klassik üsullarla izləmək və proqnozlaşdırmaq çətindir. Məhz burada machine learning tədqiqatçıların əlini gücləndirir.
LLNL alimləri batareyaların atom səviyyəsindəki mürəkkəbliyini anlamaq üçün physics-informed machine learning metodundan istifadə edir.
Physics-informed machine learning nəyi dəyişir?
Adi machine learning böyük həcmdə məlumatdan nəticə çıxarır. Physics-informed machine learning isə bu modellərə fizikanın qanunlarını da “öyrədir”.
Bu yanaşma modellərin daha real nəticələr verməsinə kömək edir. Yəni sistem sadəcə dataya baxmır, həm də materialların fiziki davranışını nəzərə alır.
Nəticədə alimlər batareya materiallarının necə işlədiyini daha dəqiq modelləşdirə, zəif nöqtələri daha tez müəyyən edə və yeni dizaynları daha sürətli sınaqdan keçirə bilirlər.
Enerji şəbəkəsi üçün daha etibarlı gələcək
Grid-scale enerji saxlama sistemləri külək və günəş kimi bərpa olunan enerji mənbələri üçün kritik rol oynayır. Enerji istehsalı dəyişkən olduqda, güclü batareyalar şəbəkənin stabil qalmasına kömək edir.
LLNL-in bu istiqamətdə apardığı işlər ABŞ-ın enerji dayanıqlığını artırmaq məqsədi daşıyır. Daha yaxşı batareyalar həm daha uzunömürlü, həm də daha təhlükəsiz enerji infrastrukturu deməkdir.
Bu texnologiya hələ laboratoriya səviyyəsində inkişaf etdirilsə də, onun təsiri böyük ola bilər. Çünki batareyaların daha dərindən anlaşılması gələcəkdə elektrik avtomobillərindən tutmuş şəhər miqyaslı enerji anbarlarına qədər bir çox sahəni dəyişə bilər.
Nəticə: Machine learning batareyaları sadəcə optimallaşdırmır, onların atom səviyyəsində necə yaşadığını və niyə sıradan çıxdığını anlamağın yeni yolunu açır.