Microsoft AI и Тихоокеанская северо-западная национальная лаборатория (PNNL) обнаружили новый твердый электролит, который может значительно снизить расход лития в батареях - до 70%.
Этот прорывной материал, получивший неофициальное название N2116, предлагает решение экологических проблем, связанных с добычей лития.
Литий, основной компонент многочисленных аккумуляторных технологий, по прогнозам, будет испытывать дефицит, поскольку уже в 2025 годуК 2030 году ожидается десятикратное увеличение спроса. Добыча лития также оказывает большое влияние на окружающую среду, требуя значительных затрат воды и энергии.
Весь процесс, от концепции до рабочего прототипа батареи, занял менее девяти месяцев, что, по их оценкам, традиционно могло бы занять около двух десятилетий.
Суперкомпьютеры Microsoft ускорили этот процесс, просеяв 32 миллиона потенциальных неорганических материалов и сократив их число до 18 кандидатов менее чем за неделю. Это произошло после аналогичный прорыв Google DeepMindВ результате чего была создана автономная исследовательская лаборатория, открывшая около 2 миллионов новых материалов.
Джейсон Зандер, исполнительный вице-президент Microsoft, рассказал о роли искусственного интеллекта, заявив на Би-би-си"Именно так, я думаю, будут проводиться подобные научные исследования в будущем".
Новый твердотельный электролит N2116 представляет собой более устойчивую и безопасную альтернативу традиционным жидким или гелеобразным литиевым батареям.
Твердотельные батареи обещают более быструю зарядку и большую плотность энергии при длительных циклах заряда. Благодаря включению натрия, элемента более распространенного и менее дорогого, чем литий, N2116 снижает потребность в литии, сохраняя при этом эффективность хранения и передачи энергии.
Карл Мюллер из PNNL подчеркнул роль искусственного интеллекта в этом открытии, заявив: "Мы смогли модифицировать, протестировать и настроить химический состав этого нового материала и быстро оценить его техническую жизнеспособность для создания работающей батареи, продемонстрировав возможности передового искусственного интеллекта для ускорения инновационного цикла".
Использование искусственного интеллекта для обнаружения материалов
Microsoft и Тихоокеанская северо-западная национальная лаборатория (PNNL) исследование в сочетании искусственного интеллекта с высокопроизводительными вычислениями (HPC).
Вот как выглядит этот процесс:
- Определение потенциальных материалов: Команда Microsoft Quantum использовала искусственный интеллект для анализа обширной базы данных неорганических материалов. Из нее всего за несколько дней они выделили около 500 000 стабильных материалов.
- Сужение круга кандидатов: Используя Azure Quantum Elements от Microsoft, команда доработала поиск из этих 500 000 материалов до 18 перспективных кандидатов на создание батарей. Этот процесс был завершен всего за 80 часов, демонстрируя поразительную скорость, с которой может работать искусственный интеллект.
- Сочетание искусственного интеллекта и высокопроизводительных вычислений Инструменты искусственного интеллекта были обучены оценивать различные химические элементы и их комбинации. Они предложили огромный пул из 32 миллионов кандидатов, которые затем были отфильтрованы с помощью различных инструментов ИИ на основе стабильности, реактивности и потенциала энергопроводности.
- Высокопроизводительные вычисления для проверки: На следующем этапе для дальнейшей проверки использовались высокопроизводительные вычислительные машины. Это включало использование теории функционала плотности для расчета энергии каждого материала и моделирование молекулярной динамики для анализа движения атомов и молекул внутри материалов.
- Окончательный отбор кандидатов: После интенсивного вычислительного процесса список был сужен до 150 кандидатов. Дальнейшая оценка практических аспектов, таких как доступность и стоимость, сократила это число до 23, из которых пять уже были известны.
- Разработка прототипа: На последнем этапе ученые PNNL синтезировали выбранный материал и создали из него рабочий прототип батареи. Этот этап очень важен для проверки функциональности и жизнеспособности материала.
Способность ИИ работать с огромными объемами сложных данных и синтезировать новые знания с нуля доказала свою огромную эффективность.
Например, помимо материалов, ИИ также ускоряет открытие новых терапевтически значимых молекул для разработка антибиотиков и лекарственных препаратов.
