Doğduğunuz gün bir medyumun anne babanıza ne kadar yaşayacağınızı söylediğini hayal edin. Benzer bir deneyim, pil ömrünü hesaplamak için yeni hesaplama modelleri kullanan ve yalnızca tek bir döngüye ait deneysel verilerden yola çıkan pil kimyagerleri için de mümkün.

Yeni bir çalışmada, ABD Enerji Bakanlığı'na (DOE) bağlı Argonne Ulusal Laboratuvarı'ndaki araştırmacılar, çok çeşitli pil kimyalarının ömrünü tahmin etmek için makine öğrenmesinin gücünden yararlandılar. Argonne'da altı farklı pil kimyasını temsil eden 300 pilden toplanan deneysel verileri kullanarak, bilim insanları farklı pillerin ne kadar süreyle çalışmaya devam edeceğini doğru bir şekilde belirleyebiliyorlar.

Argonne araştırmacıları, farklı kimyasal bileşimlere sahip çok çeşitli pillerin ömrünü tahmin etmek için makine öğrenimi modelleri kullandılar. (Görsel: Shutterstock/Sealstep.)

Makine öğrenimi algoritmasında, bilim insanları bir bilgisayar programını başlangıçtaki bir veri kümesi üzerinde çıkarımlar yapması için eğitir ve ardından programın bu eğitimden öğrendiklerini kullanarak başka bir veri kümesi üzerinde kararlar alır.

Argonne Üniversitesi'nden hesaplamalı bilimci ve çalışmanın yazarlarından Noah Paulson, "Cep telefonlarından elektrikli araçlara ve şebeke depolamasına kadar her türlü pil uygulaması için pil ömrü her tüketici açısından temel öneme sahiptir" dedi. "Bir pili arızalanana kadar binlerce kez şarj edip boşaltmak yıllar alabilir; yöntemimiz, farklı pillerin nasıl performans göstereceğini hızlı bir şekilde belirleyebileceğimiz bir tür hesaplamalı test ortamı yaratıyor."

Argonne Üniversitesi'nden elektrokimyacı Susan "Sue" Babinec, çalışmanın diğer yazarlarından biri olarak, "Şu anda bir bataryanın kapasitesinin nasıl azaldığını değerlendirmenin tek yolu, bataryayı fiilen şarj-deşarj döngüsüne sokmaktır," diye ekledi. "Bu çok pahalı ve çok zaman alıyor."

Paulson'a göre, bir pilin ömrünü belirleme süreci karmaşık olabilir. “Gerçek şu ki, piller sonsuza dek dayanmaz ve ne kadar dayanacakları, onları nasıl kullandığımıza, tasarımlarına ve kimyalarına bağlıdır,” dedi. “Şimdiye kadar, bir pilin ne kadar süre dayanacağını bilmenin gerçekten iyi bir yolu yoktu. İnsanlar, yeni bir pil için para harcamak zorunda kalana kadar ne kadar süreleri olduğunu bilmek isteyecekler.”

Çalışmanın benzersiz yönlerinden biri, Argonne'da çeşitli pil katot malzemeleri, özellikle de Argonne'un patentli nikel-manganez-kobalt (NMC) bazlı katodu üzerinde yapılan kapsamlı deneysel çalışmalara dayanmasıdır. Paulson, "Farklı kimyasal yapıları temsil eden, farklı şekillerde bozulan ve arızalanan pillerimiz vardı," dedi. "Bu çalışmanın değeri, bize farklı pillerin nasıl performans gösterdiğine dair karakteristik sinyaller vermesidir."

Paulson, bu alandaki daha ileri çalışmaların lityum iyon pillerin geleceğine yön verebileceğini söyledi. "Yapabildiğimiz şeylerden biri, algoritmayı bilinen bir kimya üzerinde eğitmek ve bilinmeyen bir kimya üzerinde tahminlerde bulunmasını sağlamaktır," dedi. "Esasen, algoritma bizi daha uzun ömür sunan yeni ve geliştirilmiş kimyalara doğru yönlendirmeye yardımcı olabilir."

Paulson, bu şekilde makine öğrenimi algoritmasının pil malzemelerinin geliştirilmesini ve test edilmesini hızlandırabileceğine inanıyor. “Diyelim ki yeni bir malzemeniz var ve onu birkaç kez döngüye sokuyorsunuz. Algoritmamızı kullanarak ömrünü tahmin edebilir ve ardından deneysel olarak döngüye sokmaya devam etmek isteyip istemediğinize karar verebilirsiniz.”

Babinec ayrıca, "Eğer bir laboratuvarda araştırmacıysanız, daha kısa sürede çok daha fazla malzeme keşfedebilir ve test edebilirsiniz çünkü bunları değerlendirmek için daha hızlı bir yönteminiz var" diye ekledi.

Çalışmaya dayalı bir makale, “Makine öğrenimi için özellik mühendisliği, pil ömrünün erken tahminini mümkün kıldı."Bu makale, 25 Şubat'ta Journal of Power Sources'ın çevrimiçi baskısında yayımlandı.

Makalenin diğer yazarları arasında Paulson ve Babinec'in yanı sıra Argonne'dan Joseph Kubal, Logan Ward, Saurabh Saxena ve Wenquan Lu da yer alıyor.

Bu çalışma, Argonne Laboratuvarı Yönlendirmeli Araştırma ve Geliştirme (LDRD) hibesiyle finanse edilmiştir.