Eksperimentet me rreze X dhe Inovacioni i Mësimit Makinerik Mund të Shkurtojnë Vite të Baterive R&D

Një instrument me rreze X në Berkeley Lab kontribuoi në një studim të baterisë që përdori një qasje inovative për të mësuarin në makinë për të shpejtuar kurbën e të mësuarit në lidhje me një proces që shkurton jetën e baterive të litiumit me karikim të shpejtë.

Studiuesit përdorën Burimin e Avancuar të Dritës së Berkeley Lab, një sinkrotron që prodhon dritë duke filluar nga rrezet X infra të kuqe deri në dhjetëra eksperimente të njëkohshme, për të kryer një teknikë të imazhit kimik të njohur si skanimi i mikroskopisë me rreze X të transmetimit, ose STXM, në një gjendje të -Al-arti rrezja ALS e quajtur KOSMIKE.

Studiuesit gjithashtu përdorën difraksionin e rrezeve X “in situ” në një sinkrotron tjetër – Dritat e Rrezatimit të Synchrotron të Stanford Synchrotron të SLAC – i cili u përpoq të rikrijonte kushtet e pranishme në një bateri, dhe përveç kësaj ofroi një model të baterisë me shumë grimca. Të tre format e të dhënave u kombinuan në një format për të ndihmuar algoritmet e të mësuarit në makinë të mësojnë fizikën në punë në bateri.

Ndërsa algoritmet tipike të të mësuarit në makinë kërkojnë imazhe që bëjnë ose nuk përputhen me një grup trajnimi imazhesh, në këtë studim studiuesit aplikuan një grup më të thellë të të dhënave nga eksperimente dhe burime të tjera për të mundësuar rezultate më të rafinuara. Ajo përfaqëson herën e parë që kjo markë e “mësimit shkencor të makinës” u aplikua në çiklizmin e baterisë, vunë në dukje studiuesit. Studimi u botua së fundmi në Nature Materials.

Studimi përfitoi nga një aftësi në rrezen e rrezeve COSMIC për të veçuar gjendjet kimike të rreth 100 grimcave individuale, e cila u mundësua nga aftësitë e imazheve me shpejtësi të lartë dhe rezolucion të lartë të COSMIC. Young-Sang Yu, një shkencëtar hulumtues në ALS i cili mori pjesë në studim, vuri në dukje se secila grimcë e zgjedhur u imazhua në rreth 50 hapa të ndryshëm të energjisë gjatë procesit të çiklizmit, për një total prej 5000 imazhesh.

Të dhënat nga eksperimentet ALS dhe eksperimentet e tjera u kombinuan me të dhëna nga modelet matematikore të karikimit të shpejtë, dhe me informacione në lidhje me kiminë dhe fizikën e karikimit të shpejtë, dhe më pas u përfshinë në algoritmet e të mësuarit makinerik.

“Në vend që kompjuteri ta kuptojë drejtpërdrejt modelin thjesht duke i dhënë të dhëna, siç bëmë në dy studimet e mëparshme, ne i mësuam kompjuterit se si të zgjedhin ose të mësojnë ekuacionet e duhura, dhe kështu fizikën e duhur”, tha studiuesi postdoktoral i Stanford Stephen Dongmin Kang, një bashkëautor i studimit.

Patrick Herring, shkencëtar i lartë kërkimor për Institutin Kërkimor Toyota, i cili mbështeti punën përmes programit të saj të Përshpejtuar të Dizajnimit dhe Zbulimit të Materialeve, tha, “Duke kuptuar reagimet themelore që ndodhin brenda baterisë, ne mund të zgjasim jetën e saj, të mundësojmë karikim më të shpejtë, dhe të dizajnojmë materiale më të mira të baterisë.”