Microsoft AI entdeckt einen ultraeffizienten Batterie-Elektrolyten

Microsoft AI und das Pacific Northwest National Laboratory (PNNL) haben einen neuen Festelektrolyten entdeckt, der den Lithiumverbrauch in Batterien um bis zu 70% drastisch reduzieren könnte.

Dieses bahnbrechende Material, das informell N2116 genannt wird, bietet eine Lösung für die mit dem Lithiumabbau verbundenen Umweltprobleme.

Bei Lithium, dem Hauptbestandteil zahlreicher Batterietechnologien, wird es voraussichtlich zu Engpässen kommen, da frühestens 2025und bis 2030 wird mit einer Verzehnfachung der Nachfrage gerechnet. Der Lithiumabbau hat auch einen enormen ökologischen Fußabdruck, der viel Wasser und Energie erfordert.

Der gesamte Prozess vom Konzept bis zum funktionsfähigen Batterieprototyp dauerte weniger als neun Monate, was nach Schätzungen des Unternehmens normalerweise etwa zwei Jahrzehnte in Anspruch genommen hätte. 

Microsofts Supercomputer beschleunigten den Prozess, indem sie 32 Millionen potenzielle anorganische Materialien durchsuchten und sie in weniger als einer Woche auf 18 Kandidaten eingrenzen konnten. Dies folgt auf ein ähnlicher Durchbruch von Google DeepMindmit dem ein autonomes Forschungslabor geschaffen wurde, das rund 2 Millionen neue Materialien entdeckt hat.

Jason Zander, Executive Vice President von Microsoft, beschrieb die Rolle der KI mit folgenden Worten an die BBCDas ist die Art und Weise, wie diese Art von Wissenschaft meiner Meinung nach in Zukunft betrieben werden wird.

Der neue Festkörperelektrolyt N2116 stellt eine nachhaltigere und sicherere Alternative zu herkömmlichen flüssigen oder gelartigen Lithiumbatterien dar. 

Festkörperbatterien versprechen eine schnellere Aufladung und eine höhere Energiedichte bei längeren Ladezyklen. Durch die Einbeziehung von Natrium, einem Element, das häufiger vorkommt und weniger teuer ist als Lithium, reduziert N2116 den Lithiumbedarf und gewährleistet gleichzeitig eine effiziente Energiespeicherung und -übertragung. 

Karl Mueller vom PNNL hob die Rolle der KI bei der Entdeckung hervor: "Wir konnten die chemische Zusammensetzung dieses neuen Materials modifizieren, testen und abstimmen und seine technische Realisierbarkeit für eine funktionierende Batterie schnell bewerten, was das Versprechen fortschrittlicher KI zur Beschleunigung des Innovationszyklus zeigt."

KI für die Materialentdeckung nutzen

Microsoft und das Pacific Northwest National Laboratory (PNNL) Forschung die Kombination von KI mit Hochleistungsrechnen (HPC). 

Hier ist eine Aufschlüsselung, wie dieser Prozess ablief:

1. Identifizierung potenzieller Materialien: Das Team von Microsoft Quantum analysierte mithilfe von KI eine umfangreiche Datenbank anorganischer Materialien. Daraus identifizierten sie in nur wenigen Tagen zunächst rund 500 000 stabile Materialien.
2. Eingrenzung der Kandidaten: Mithilfe von Microsofts Azure Quantum Elements hat das Team seine Suche von diesen 500.000 Materialien auf 18 vielversprechende Kandidaten für die Batterieentwicklung weiter verfeinert. Dieser Prozess wurde in nur 80 Stunden abgeschlossen, was die bemerkenswerte Geschwindigkeit zeigt, mit der KI arbeiten kann.
3. Kombination von KI und HPC Die KI-Tools wurden darauf trainiert, verschiedene chemische Elemente und ihre Kombinationen zu bewerten. Sie schlugen einen riesigen Pool von 32 Millionen Kandidaten vor, die dann durch verschiedene KI-Tools auf der Grundlage von Stabilität, Reaktivität und Energieleitungspotenzial gefiltert wurden.
4. HPC zur Überprüfung: In der nächsten Phase wurde HPC zur weiteren Überprüfung eingesetzt. Dazu gehörte die Verwendung der Dichtefunktionaltheorie zur Berechnung der Energie der einzelnen Materialien und Molekulardynamiksimulationen zur Analyse der Bewegungen von Atomen und Molekülen innerhalb der Materialien.
5. Endgültige Auswahl der Kandidaten: Nach diesem intensiven Berechnungsprozess wurde die Liste auf 150 Kandidaten eingegrenzt. Eine weitere Bewertung von praktischen Aspekten wie Verfügbarkeit und Kosten reduzierte diese Zahl auf 23, von denen fünf bereits bekannt waren.
6. Entwicklung von Prototypen: Im letzten Schritt synthetisierten die PNNL-Wissenschaftler das ausgewählte Material und entwickelten es zu einem funktionierenden Batterieprototyp. Diese Phase ist entscheidend, um die Funktionalität und Lebensfähigkeit des Materials zu testen.

Die Fähigkeit der KI, mit großen Mengen komplexer Daten zu arbeiten und neue Erkenntnisse von Grund auf zu synthetisieren, hat sich als äußerst effektiv erwiesen.

So beschleunigt die KI neben der Entwicklung von Werkstoffen auch die Entdeckung neuer therapeutisch wichtiger Moleküle für Antibiotika- und Arzneimittelentwicklung.