itna.ir - 1 روز پیش

پیشرفت های اخیر در استفاده از هوش مصنوعی و فناوری های کوانتومی در پژوهش های علمی، روند کشف مواد جدید را از دهه ها به چند هفته یا ماه کاهش داده است. یکی از برجسته ترین نمونه ها، همکاری میان مایکروسافت و آزمایشگاه ملی شمال غرب اقیانوس آرام (PNNL) وابسته به وزارت انرژی آمریکاست که منجر به شناسایی یک الکترولیت جامد نوآورانه با نام NaxLi3 xYCl6 شده است. این ماده می تواند وابستگی به لیتیوم را تا حدود ۷۰ درصد کم کند و گامی مهم در توسعه باتری های پایدارتر به شمار می رود. به گزارش ایتنا و به نقل از تک اسپات، مایکروسافت با بهره گیری از پلتفرم Azure Quantum Elements و مدل هوش مصنوعی M3GNet بیش از ۳۲ میلیون ترکیب معدنی را تحلیل کرد. این مدل با شبیه سازی های مولکولی پیشرفته و ارزیابی ویژگی هایی مانند پویایی اتمی، فهرست ترکیبات را به حدود ۵۰۰ هزار ماده پایدار کاهش داد و در نهایت تنها در ۸۰ ساعت به ۱۸ گزینه ی امیدبخش رسید؛ فرایندی که به روش های سنتی سال ها زمان می برد. پژوهشگران PNNL بهترین ترکیب را سنتز کردند؛ ماده ای که از یون های سدیم و لیتیوم در ساختار بلوری خود بهره می برد. هرچند ترکیب این دو نوع یون پیش تر دشوار تلقی می شد، آزمایش ها نشان داد که آن ها با همکاری متقابل، رسانایی یونی را بهبود می بخشند. این الکترولیت جامد در طیف گسترده ای از دماها عملکرد مناسبی نشان داد و قابلیت استفاده در باتری های حالت جامد ایمن و پرظرفیت را دارد. همزمان، پژوهشگران دانشگاه فناوری نیوجرسی (NJIT) با استفاده از مدل های یادگیری ماشینی مانند خودرمزگذارهای واریانسی کریستالی و مدل های زبانی بزرگ در حال بررسی باتری های چندظرفیتی هستند که از یون هایی مانند منیزیم و کلسیم استفاده می کنند. این یون ها بار بیشتری حمل می کنند اما طراحی مواد سازگار با آن ها چالش برانگیز است؛ هوش مصنوعی در این زمینه با غربال سازی سریع ساختارهای متخلخل مناسب، نقشی حیاتی ایفا می کند. در آی بی ام نیز مدل های هوش مصنوعی آموزش دیده بر میلیاردها مولکول برای شناسایی و بهینه سازی فرمولاسیون های پیچیده الکترولیت ها به کار گرفته شده اند. آی بی ام با کمک مدل های بنیادی و الگوریتم های جست وجوی عمیق، کشف مواد شیمیایی پایدار با رسانایی بالا را تسریع کرده و از دوقلوهای دیجیتال برای شبیه سازی فرسایش باتری در چرخه های طولانی استفاده می کند. در گام های بعدی، مایکروسافت و آی بی ام هر دو در حال بررسی نقش محاسبات کوانتومی در پژوهش های مواد باتری هستند. رایانه های کوانتومی قادرند تعاملات اتمی و مولکولی را با دقتی بی سابقه شبیه سازی کنند و مسیر توسعه باتری های نسل آینده، از نوع لیتیوم-سولفور و سدیم-یون، را بیش از پیش تسریع نمایند.

آخرین اخبار

برچسب‌ها:   

الکترولیت

 | 

درصدی

 | 

لیتیوم

 | 

مصنوعی

 | 

منابع خبری