Microsoft AI en het Pacific Northwest National Laboratory (PNNL) hebben een nieuwe vaste elektrolyt ontdekt die het lithiumverbruik in batterijen drastisch kan verminderen met wel 70%.
Dit baanbrekende materiaal, informeel N2116 genoemd, biedt een oplossing voor de milieuproblemen die gepaard gaan met lithiumwinning.
Lithium, het hoofdbestanddeel in tal van batterijtechnologieën, zal naar verwachting te kampen krijgen met tekorten omdat al in 2025en tegen 2030 wordt een vertienvoudiging van de vraag verwacht. Lithiumwinning heeft ook een enorme ecologische voetafdruk, waarbij veel water en energie nodig is.
Het hele proces, van concept tot werkend batterijprototype, nam minder dan negen maanden in beslag, terwijl ze schatten dat dit normaal gesproken zo'n twintig jaar zou hebben geduurd.
De supercomputers van Microsoft versnelden het proces, waarbij 32 miljoen potentiële anorganische materialen werden doorzocht en teruggebracht tot 18 kandidaten in minder dan een week. Dit volgt op een soortgelijke doorbraak door Google DeepMinddie een autonoom onderzoekslaboratorium creëerde dat zo'n 2 miljoen nieuwe materialen ontdekte.
Jason Zander, Executive Vice President van Microsoft, beschreef de rol van AI als volgt naar de BBC"Dit is de manier waarop dit soort wetenschap volgens mij in de toekomst zal worden gedaan."
De nieuwe vaste elektrolyt, N2116, is een duurzamer en veiliger alternatief voor traditionele vloeibare of gelachtige lithiumbatterijen.
Solid-state batterijen beloven sneller opladen en een grotere energiedichtheid met langere oplaadcycli. Door natrium te gebruiken, een element dat overvloediger aanwezig en minder duur is dan lithium, vermindert N2116 de lithiumbehoefte met behoud van efficiënte energieopslag en -overdracht.
Karl Mueller van PNNL benadrukte de rol van AI in de ontdekking door te stellen: "[We konden] de chemische samenstelling van dit nieuwe materiaal wijzigen, testen en afstemmen en snel de technische levensvatbaarheid ervan evalueren voor een werkende batterij, wat de belofte van geavanceerde AI laat zien om de innovatiecyclus te versnellen."
AI inzetten voor materiaalontdekking
Microsoft en Pacific Northwest National Laboratory (PNNL)'s onderzoek betrokken bij het combineren van AI met high-performance computing (HPC).
Hier volgt een uitsplitsing van hoe dit proces in zijn werk ging:
- Potentiële materialen identificeren: Het Microsoft Quantum-team gebruikte AI om een uitgebreide database met anorganische materialen te analyseren. Hieruit identificeerden ze in eerste instantie ongeveer 500.000 stabiele materialen in slechts een paar dagen.
- Kandidaten beperken: Met behulp van Microsoft's Azure Quantum Elements verfijnde het team hun zoektocht van deze 500.000 materialen tot 18 veelbelovende kandidaten voor de ontwikkeling van batterijen. Dit proces werd voltooid in slechts 80 uur, wat de opmerkelijke snelheid demonstreert waarmee AI kan werken.
- AI combineren met HPC De AI-tools werden getraind om verschillende chemische elementen en hun combinaties te evalueren. Ze stelden een enorme pool van 32 miljoen kandidaten voor, die vervolgens werden gefilterd door verschillende AI-tools op basis van stabiliteit, reactiviteit en energiegeleidingspotentieel.
- HPC voor verificatie: In de volgende fase werd HPC gebruikt voor verdere verificatie. Dit omvatte het gebruik van dichtheidsfunctionaaltheorie om de energie van elk materiaal te berekenen en moleculaire dynamicasimulaties om de bewegingen van atomen en moleculen binnen de materialen te analyseren.
- Definitieve selectie van kandidaten: Na dit intensieve rekenproces werd de lijst teruggebracht tot 150 kandidaten. Verdere evaluatie van praktische aspecten zoals beschikbaarheid en kosten bracht dit aantal terug tot 23, waarvan er vijf al bekend waren.
- Ontwikkeling van prototypes: In de laatste stap synthetiseerden PNNL-wetenschappers het gekozen materiaal en ontwikkelden ze het tot een werkend prototype batterij. Deze fase is cruciaal om de functionaliteit en levensvatbaarheid van het materiaal te testen.
Het vermogen van AI om te werken met enorme hoeveelheden complexe gegevens en nieuwe inzichten vanaf de basis te synthetiseren is enorm effectief gebleken.
Naast materialen versnelt AI bijvoorbeeld ook de ontdekking van nieuwe therapeutisch belangrijke moleculen voor ontwikkeling van antibiotica en geneesmiddelen.
