محققان موسسه فناوری نیوجرسی (NJIT) با استفاده از هوش مصنوعی، گام مهمی در جهت حل یکی از چالش‌های اساسی آینده ذخیره‌سازی انرژی برداشته‌اند: یافتن جایگزین‌های پایدار و ارزان‌قیمت برای باتری‌های لیتیوم یونی. در این تحقیق که در ژورنال Cell Reports Physical Science منتشر شده، تیمی به سرپرستی پروفسور Dibakar Datta موفق به شناسایی سریع مواد متخلخل جدیدی شده‌اند که می‌توانند انقلابی در فناوری باتری‌های یون چندظرفیتی ایجاد کنند. باتری‌های یون چندظرفیتی به جای لیتیوم، از عناصر فراوانی مانند منیزیم، کلسیم، آلومینیوم و روی استفاده می‌کنند. این یون‌ها برخلاف لیتیوم تنها یک بار مثبت ندارند بلکه دارای دو یا سه بار مثبت هستند؛ بنابراین قابلیت ذخیره‌سازی انرژی بالاتری دارند. اما اندازه بزرگ‌تر و بار الکتریکی بیشتر این یون‌ها، مانعی برای عبور مؤثر آن‌ها از مواد باتری بوده است.

برای غلبه بر این چالش، تیم NJIT از یک رویکرد نوآورانه مبتنی بر هوش مصنوعی استفاده کرد که شامل دو مدل پیشرفته است:
1. رمزگذار متغیر کریستال-پراکنشی (CDVAE)
2. مدل زبانی بزرگ (LLM)

مدل CDVAE با تحلیل داده‌های ساختارهای کریستالی موجود، ساختارهای جدید و متنوعی را تولید کرد. هم‌زمان، مدل LLM نیز با تمرکز بر پایداری ترمودینامیکی، بهترین گزینه‌ها را برای سنتز واقعی پیشنهاد داد. نتیجه این ترکیب قدرتمند، کشف پنج ماده متخلخل جدید از نوع اکسید فلزات واسطه بود که کانال‌های باز و بزرگی برای عبور سریع یون‌های حجیم دارند. این یافته با استفاده از شبیه‌سازی‌های کوانتومی تأیید شده و نشان می‌دهد که مواد پیشنهادی، پتانسیل بالایی برای تولید واقعی دارند. پروفسور داتا این پروژه را نه فقط یک پیشرفت در زمینه باتری‌ها، بلکه الگویی برای کشف سریع مواد پیشرفته در حوزه‌های مختلف از انرژی پاک تا الکترونیک می‌داند. تیم تحقیقاتی قصد دارد در گام بعدی با آزمایشگاه‌های تجربی همکاری کرده و این مواد را به مرحله تولید صنعتی برساند. این دستاورد نشان می‌دهد چگونه هوش مصنوعی می‌تواند مسیر توسعه فناوری‌های نوین ذخیره‌سازی انرژی را تسریع کند و به ساخت باتری‌هایی ارزان‌تر، پایدارتر و پرظرفیت‌تر منجر شود.

منبع خبر: sciencedaily