15.4 C
بروكسل
الجمعة، يونيو شنومكس، شنومكس
الأخباريمكن أن تؤدي تجارب الأشعة السينية وابتكار التعلم الآلي إلى تقليص سنوات من البحث والتطوير في البطارية

يمكن أن تؤدي تجارب الأشعة السينية وابتكار التعلم الآلي إلى تقليص سنوات من البحث والتطوير في البطارية

إخلاء المسؤولية: المعلومات والآراء الواردة في المقالات هي تلك التي تنص عليها وهي مسؤوليتهم الخاصة. المنشور في The European Times لا يعني تلقائيًا الموافقة على وجهة النظر ، ولكن الحق في التعبير عنها.

ترجمات إخلاء المسؤولية: يتم نشر جميع المقالات في هذا الموقع باللغة الإنجليزية. تتم النسخ المترجمة من خلال عملية آلية تعرف باسم الترجمات العصبية. إذا كنت في شك ، فارجع دائمًا إلى المقالة الأصلية. شكرا لتفهمك.

X-ray Experiments and Machine Learning Innovation Could Trim Years off Battery R&D

شوهد مهندس الموظفين Bruis van Vlijmen وهو يعمل داخل Battery Informatics Lab 1070 في مركز Arrillaga للعلوم ، مبنى. 57. Credit: Jacqueline Orrell / SLAC National Accelerator Laboratory

ساهمت أداة الأشعة السينية في مختبر بيركلي في دراسة البطارية التي استخدمت نهجًا مبتكرًا للتعلم الآلي لتسريع منحنى التعلم حول عملية تقصر من عمر بطاريات الليثيوم سريعة الشحن.

استخدم الباحثون مصدر الضوء المتقدم في Berkeley Lab ، وهو سنكروترون ينتج ضوءًا يتراوح من الأشعة تحت الحمراء إلى الأشعة السينية لعشرات التجارب المتزامنة ، لإجراء تقنية التصوير الكيميائي المعروفة باسم الفحص المجهري بالأشعة السينية ، أو STXM ، في حالة - خط شعاع ALS الفني الذي يطلق عليه اسم COSMIC. 

استخدم الباحثون أيضًا حيود الأشعة السينية "في الموقع" في سنكروترون آخر - مصدر ضوئي للإشعاع السنكروتروني التابع لـ SLAC - والذي حاول إعادة إنشاء الظروف الموجودة في البطارية ، وقدم بالإضافة إلى ذلك نموذج بطارية متعدد الجسيمات. تم دمج جميع أشكال البيانات الثلاثة في تنسيق لمساعدة خوارزميات التعلم الآلي على تعلم الفيزياء أثناء العمل في البطارية.

بينما تبحث خوارزميات التعلم الآلي النموذجية عن الصور التي تتوافق أو لا تتطابق مع مجموعة الصور التدريبية ، طبق الباحثون في هذه الدراسة مجموعة أعمق من البيانات من التجارب والمصادر الأخرى لتمكين نتائج أكثر دقة. وأشار الباحثون إلى أن هذه هي المرة الأولى التي يتم فيها تطبيق هذه العلامة التجارية "التعلم الآلي العلمي" على تدوير البطاريات. تم نشر الدراسة مؤخرًا في مواد الطبيعة.

استفادت الدراسة من القدرة في خط الأشعة COSMIC على تحديد الحالات الكيميائية لحوالي 100 جسيم فردي ، والتي تم تمكينها من خلال قدرات التصوير عالية السرعة وعالية الدقة من COSMIC. لاحظ يونغ سانغ يو ، الباحث في ALS الذي شارك في الدراسة ، أن كل جسيم تم اختياره تم تصويره في حوالي 50 خطوة طاقة مختلفة أثناء عملية التدوير ، ليصبح المجموع 5,000 صورة. 

تم دمج البيانات من تجارب ALS والتجارب الأخرى مع بيانات من نماذج رياضية سريعة الشحن ، ومع معلومات حول كيمياء وفيزياء الشحن السريع ، ثم تم دمجها في خوارزميات التعلم الآلي.

قال باحث ما بعد الدكتوراه في جامعة ستانفورد: "بدلاً من جعل الكمبيوتر يكتشف النموذج بشكل مباشر عن طريق تزويده بالبيانات ، كما فعلنا في الدراستين السابقتين ، قمنا بتعليم الكمبيوتر كيفية اختيار المعادلات الصحيحة أو تعلمها ، وبالتالي الفيزياء الصحيحة". ستيفن دونجمين كانغ ، مؤلف مشارك في الدراسة.

قال باتريك هيرينج ، كبير الباحثين في معهد أبحاث تويوتا ، والذي دعم العمل من خلال برنامج تصميم واكتشاف المواد المعجل ، "من خلال فهم التفاعلات الأساسية التي تحدث داخل البطارية ، يمكننا إطالة عمرها ، وتمكين الشحن بشكل أسرع ، وفي النهاية تصميم مواد بطارية أفضل. "

المرجع: "فصل الطور الوهمي في أكاسيد طبقات Li مدفوعة بالتحفيز الكهربائي التلقائي" بواسطة Jungjin Park و Hongbo Zhao و Stephen Dongmin Kang و Kipil Lim و Chia-Chin Chen و Young-Sang Yu و Richard D. Braatz و David A. Shapiro ، جيهيون هونغ ومايكل إف توني ومارتن زد بازانت وويليام سي تشويه ، 8 مارس 2021 ، مواد الطبيعة.
DOI: 10.1038/s41563-021-00936-1

- الإعلانات -

المزيد من المؤلف

- المحتوى الحصري -بقعة_صورة
- الإعلانات -
- الإعلانات -
- الإعلانات -بقعة_صورة
- الإعلانات -

يجب أن يقرأ

أحدث المقالات

- الإعلانات -