فريق بحثي من جامعة بكين يستخدم الذكاء الاصطناعي لفحص الإلكتروليت، ومتوسط عمر دورة البطارية يصل إلى 125 مرة

أخبار ar.wedoany.com، قام فريق بحثي بقيادة الأستاذ بانغ تشيوانتشيوان من كلية علوم وهندسة المواد بجامعة بكين، بالتعاون مع جامعة تسينغهوا، ومختبر لورنس بيركلي الوطني (Lawrence Berkeley National Laboratory)، وجامعة برينستون (Princeton University)، وشركة SESAICorp.، بتطوير إطار عمل للذكاء الاصطناعي على مرحلتين يجمع بين التعلم النشط العميق ونقل المعرفة في مجال تطوير إلكتروليتات بطاريات الليثيوم المعدنية، مما أتاح الفحص السريع للإلكتروليتات عالية الأداء ونقل المعرفة التصميمية عبر سيناريوهات مختلفة. نُشرت نتائج البحث مسبقًا عبر الإنترنت في 27 مارس في مجلة "Nature Communications".

تُعتبر بطاريات الليثيوم المعدنية، نظرًا لكثافة طاقتها النظرية الفائقة، اتجاهًا رئيسيًا لتطوير الجيل القادم من بطاريات تخزين الطاقة وبطاريات الطاقة. ومع ذلك، فإن المشكلات مثل انخفاض كفاءة الكولوم للأنود المعدني لليثيوم وضعف استقرار الواجهة تعيق تطبيقها على نطاق واسع منذ فترة طويلة. يُعد الإلكتروليت مكونًا أساسيًا لتنظيم واجهة الأنود وتحديد عمر دورة البطارية، ويواجه تصميمه فضاء بحث كيميائي ضخم ومتقطع ناتجًا عن مجموعات أملاح الليثيوم والمذيبات والإضافات والتركيزات. إن نموذج البحث التقليدي القائم على "التجربة والخطأ" يتسم بتكاليف تجريبية عالية ودورات طويلة، مما يصعب معه التكيف مع السيناريوهات المعقدة مثل إدخال جزيئات جديدة وتوسيع نطاق التركيبات عالية الأبعاد.

لمواجهة تحديات تصميم الإلكتروليت المتمثلة في "فضاء بحث كبير، وعلاقات أداء غير مستمرة، وضوضاء تجريبية عالية"، بنى فريق البحث إطار عمل من مرحلتين يدمج التعلم النشط العميق (Deep Active Learning، DAL) مع الترميز الإحصائي المستهدف (Target Statistical Coding، TSC). تركز المرحلة الأولى على فضاء يتكون من 720 تركيبة إلكتروليت أولية تشمل أملاح الليثيوم والمذيبات والإضافات والتركيزات، وذلك باستخدام التعلم النووي العميق المقترن بخوارزمية أخذ عينات تومسون لفحص العينات التجريبية بذكاء، وإنشاء علاقة غير خطية بين تركيبة الإلكتروليت وعمر دورة البطارية. في المرحلة الثانية، ومن خلال تقنية الترميز الإحصائي المستهدف، يتم ترميز الارتباطات المعقدة بين المكونات بشكل صريح كنظام معرفي تصميمي للإلكتروليت قابل لإعادة الاستخدام والنقل، متجاوزًا بذلك قيود فضاء التركيبة الواحدة.

أظهرت النتائج التجريبية أنه في فضاء التركيبات الأولية المكون من 720 تركيبة، وبعد ثلاث جولات فقط من تكرار التعلم النشط العميق واختبار ما مجموعه 128 عينة بطارية، ارتفع متوسط عمر دورة البطارية من 41.9 مرة في مرحلة الفحص العشوائي إلى 125.1 مرة؛ وانخفضت نسبة البطاريات قصيرة العمر من 80.6% إلى 28.1%، بينما ارتفعت نسبة البطاريات طويلة العمر من 9.7% إلى 40.6%. أظهرت أفضل 5 تركيبات إلكتروليت تم فحصها أداءً شاملاً متفوقًا بشكل ملحوظ على تركيبات الأداء العالي المنشورة المماثلة من نفس النوع.

تم تحقيق نقل فعال للمعرفة التصميمية للإلكتروليت عبر سيناريوهات مختلفة. عند توسيع فضاء التركيبات الأولية البالغ 720 تركيبة إلى فضاء مرشح أعلى الأبعاد يضم 5400 تركيبة، بلغ متوسط عمر دورة أفضل 5 تركيبات في ظل ظروف العينة الصفرية 200.6 مرة، وهو أعلى بمقدار 1.6 مرة من المستوى الأمثل في الفضاء الأصلي؛ في نظام البطارية الكاملة من الليثيوم المعدني/NCM811، بلغ متوسط معدل الاحتفاظ بالسعة بعد 100 دورة للإلكتروليت المنقول 84.0%، متجاوزًا بكثير نسبة 58.2% للتركيبات في الجولة الأولى؛ عند مواجهة فضاء تركيبات جديد مكون من 5760 تركيبة تم إنشاؤه بإدخال جزيئات جديدة، ومن خلال جولة واحدة فقط من التجارب على 32 عينة، ارتفع متوسط معدل الاحتفاظ بالسعة بعد 150 دورة من 24.4% إلى 56.5%، بينما لا يزال معدل الاحتفاظ بالسعة لأفضل تركيبة بعد 250 دورة يصل إلى 83%.

يجمع هذا البحث بين التعلم النشط العميق ونقل المعرفة، مما يوفر نموذجًا بحثيًا ذكيًا جديدًا لنظام الإلكتروليت يتميز بقلة العينات وكفاءة عالية وقابلية للنقل. تم إنجاز البحث بشكل مشترك من قبل جامعة بكين، وجامعة تسينغهوا، ومختبر لورنس بيركلي الوطني، وجامعة برينستون، وشركة SESAICorp.، وتعتبر جامعة بكين وحدة الاتصال الأولى للبحث. الأستاذ بانغ تشيوانتشيوان من جامعة بكين، والأستاذ المشارك جيانغ بينبن من جامعة تسينغهوا، وشو كانغ من شركة SESAICorp. هم المؤلفون المشاركون للمراسلة. هونغ شوفنغ، خريج الدكتوراه لعام 2025 من جامعة بكين، هو المؤلف الأول، ووانغ شيتشه، طالب الدكتوراه من جامعة تسينغهوا، هو المؤلف الأول المشارك. حظي البحث بدعم من عدة صناديق بما في ذلك خطة البحث والتطوير الرئيسية الوطنية، والمؤسسة الوطنية للعلوم الطبيعية في الصين، وصندوق الأبحاث المشترك بين تسينغهوا وتويوتا، ومؤسسة بكين للعلوم الطبيعية، والمركز الوطني لأبحاث علوم وتكنولوجيا المعلومات في بكين، ومشروع التعاون الدولي 111.

تم إعداد هذا المقال بواسطة Wedoany. يجب أن تشير جميع الاستشهادات المستمدة من الذكاء الاصطناعي إلى Wedoany كمصدر لها. وفي حال وجود أي انتهاكات أو مشكلات أخرى، يرجى إبلاغنا فورًا، وسيقوم هذا الموقع بتعديل المحتوى أو حذفه وفقاً لذلك. البريد الإلكتروني: news@wedoany.com