Təsəvvür edin ki, bir ekstrasens valideynlərinizə doğulduğunuz gün nə qədər yaşayacağınızı deyir. Oxşar təcrübə, batareyanın ömrünü yalnız bir dövrə eksperimental məlumatlara əsaslanaraq hesablamaq üçün yeni hesablama modellərindən istifadə edən batareya kimyaçıları üçün də mümkündür.

ABŞ Enerji Departamentinin (DOE) Argonne Milli Laboratoriyasının tədqiqatçıları yeni bir araşdırmada müxtəlif batareya kimyalarının ömrünü proqnozlaşdırmaq üçün maşın öyrənməsinin gücünə müraciət ediblər. Altı fərqli batareya kimyasını təmsil edən 300 batareya dəstindən Argonne-də toplanan eksperimental məlumatlardan istifadə etməklə, elm adamları müxtəlif batareyaların nə qədər müddət işləyəcəyini dəqiq müəyyən edə bilərlər.

Argonne tədqiqatçıları müxtəlif kimyəvi maddələr üçün batareya dövrünün ömrünü proqnozlaşdırmaq üçün maşın öyrənmə modellərindən istifadə ediblər. (Şəkil Shutterstock/Sealstep tərəfindən çəkilib.)

Maşın öyrənmə alqoritmində elm adamları kompüter proqramını ilkin məlumat dəsti üzərində nəticə çıxarmaq üçün öyrədirlər və sonra həmin təlimdən öyrəndiklərini başqa bir məlumat dəsti üzərində qərar vermək üçün istifadə edirlər.

Araşdırmanın müəllifi, Argonne hesablama alimi Noah Paulson bildirib ki, "Mobil telefonlardan elektrikli nəqliyyat vasitələrinə və şəbəkə yaddaşına qədər hər bir fərqli batareya tətbiqi üçün batareyanın ömrü hər bir istehlakçı üçün fundamental əhəmiyyət kəsb edir. Batareyanı sıradan çıxana qədər minlərlə dəfə dövr etmək illər çəkə bilər; metodumuz müxtəlif batareyaların necə işləyəcəyini tez bir zamanda müəyyən edə biləcəyimiz bir növ hesablama test mətbəxi yaradır."

Araşdırmanın digər müəllifi, Argonne elektrokimyaçısı Syuzan "Syu" Babinek əlavə edib ki, "Hazırda batareyanın tutumunun necə azaldığını qiymətləndirməyin yeganə yolu batareyanı dövri olaraq istifadə etməkdir. Bu, çox bahalıdır və uzun müddət çəkir."

Paulsonun sözlərinə görə, batareyanın ömrünü təyin etmək prosesi çətin ola bilər. "Reallıq budur ki, batareyalar əbədi işləmir və onların nə qədər işlədiyi onlardan necə istifadə etməyimizdən, eləcə də dizaynından və kimyasından asılıdır", - deyə o bildirib. "İndiyə qədər batareyanın nə qədər işləyəcəyini bilmək üçün yaxşı bir yol olmayıb. İnsanlar yeni bir batareyaya pul xərcləməli olana qədər nə qədər işlədiklərini bilmək istəyəcəklər."

Tədqiqatın unikal cəhətlərindən biri də Argonne-də müxtəlif batareya katod materialları, xüsusən də Argonne-nin patentləşdirilmiş nikel-manqan-kobalt (NMC) əsaslı katod üzərində aparılan geniş eksperimental işlərə əsaslanmasıdır. Paulson dedi: "Müxtəlif kimyəvi maddələri təmsil edən, parçalanma və sıradan çıxmanın fərqli yolları olan batareyalarımız var idi. Bu tədqiqatın dəyəri ondadır ki, o, bizə fərqli batareyaların necə işlədiyini göstərən xarakterik siqnallar verdi."

Paulson bildirib ki, bu sahədə əlavə tədqiqatlar litium-ion batareyalarının gələcəyinə istiqamət vermək potensialına malikdir. "Edə biləcəyimiz şeylərdən biri alqoritmi məlum kimya üzrə öyrətmək və naməlum kimya üzrə proqnozlar verməsini təmin etməkdir", - deyə o bildirib. "Əsasən, alqoritm bizi daha uzun ömürlü yeni və təkmilləşdirilmiş kimyalar istiqamətində istiqamətləndirməyə kömək edə bilər."

Bu şəkildə, Paulson, maşın öyrənmə alqoritminin batareya materiallarının inkişafını və sınaqdan keçirilməsini sürətləndirə biləcəyinə inanır. "Tutaq ki, yeni bir materialınız var və onu bir neçə dəfə dövrəyə salırsınız. Alqoritmimizdən istifadə edərək onun uzunömürlülüyünü proqnozlaşdıra və sonra onu eksperimental olaraq dövrəyə salmağa davam edib-etməməyiniz barədə qərar verə bilərsiniz."

Babinec əlavə etdi: “Əgər siz laboratoriyada tədqiqatçısınızsa, daha qısa müddətdə daha çox material kəşf edə və sınaqdan keçirə bilərsiniz, çünki onları qiymətləndirməyin daha sürətli bir yolu var”.

Araşdırmaya əsaslanan bir məqalə, "Maşın öyrənməsi üçün xüsusiyyət mühəndisliyi batareyanın ömrünü erkən proqnozlaşdırmağa imkan verdi” məqaləsi Journal of Power Sources jurnalının 25 fevral tarixli onlayn nəşrində dərc olunub.

Paulson və Babinecdən əlavə, məqalənin digər müəllifləri arasında Argonne-dan Joseph Kubal, Logan Ward, Saurabh Saxena və Wenquan Lu da var.

Tədqiqat Argonne Laboratoriyası tərəfindən idarə olunan tədqiqat və inkişaf (LDRD) qrantı ilə maliyyələşdirilib.