Künstliche Intelligenz verändert schon seit vielen Jahren die Arbeitswelt. Von Algorithmen, die die Produktion optimieren, bis hin zu sprachgesteuerten virtuellen Assistenten auf einem Smartphone oder einem intelligenten Lautsprecher - KI ist in der Lage, Prozesse zu optimieren und zu automatisieren, um sie effizienter und produktiver zu machen. Wie kann KI die Batterieforschung und -entwicklung verbessern? Hier sind drei Möglichkeiten, wie KI die Prüfung und Entwicklung von Batterien revolutionieren wird.
AI kann Tests um 98% beschleunigen
Batterien werden üblicherweise durch wiederholte Lade-/Entladezyklen getestet. So können die Forscher sehen, wie sich die Batterieleistung mit der Zeit verschlechtert. Es kann jedoch Monate dauern, bis genügend Daten für genaue Vorhersagen gesammelt sind. Dies verlängert den Prüfprozess um eine Menge zusätzlicher Zeit.
Mit KI lässt sich dieser Prozess erheblich beschleunigen. Eine gemeinsame Forschungsprojekt zwischen Stanford, MIT und dem Toyota-Forschungsinstitut verwendete KI zur Vorhersage der Lebensdauer einer Batterie. Anhand einiger hundert Millionen Datenpunkte trainierten die Forscher ihre KI, um vorherzusagen, wie viele Zyklen jede Batterie noch durchhalten würde. Die KI war in der Lage, innerhalb von 9% die Anzahl der Zyklen vorherzusagen, die eine Zelle letztendlich durchhält. Die Maschine konnte dies allein auf der Grundlage von Spannungsabfällen und anderen Faktoren in den ersten 100 Ladezyklen erreichen. Auf der Grundlage der ersten fünf Zyklen konnte sie außerdem mit einer Genauigkeit von 95% vorhersagen, ob die Zelle eine lange oder kurze Lebensdauer hat. Die KI war in der Lage, Muster in der Batterieleistung zu erkennen, und zwar viel besser als ein Mensch es manuell könnte.
Das gleiche Team nutzte diese Technologie, um ein optimiertes Schnellladeprotokoll zu finden. In diesem ExperimentDie Forscher waren in der Lage, das beste Ladeprotokoll für eine Batteriechemie zu finden und einen Prozess, der normalerweise bis zu zwei Jahre dauern kann, auf nur 16 Tage zu reduzieren. Die KI wurde anhand von Daten über Batterieausfälle trainiert und konnte anhand dieser Daten schnell die besten zu testenden Protokolle ermitteln. Da es viele verschiedene Möglichkeiten gibt, ein und dieselbe Batterie zu laden, konnte die KI vorhersagen, wie die Batteriechemie auf eine bestimmte Lademethode reagieren würde, und die Methoden ausschließen, die am ehesten versagen würden, und die testen, die am ehesten erfolgreich sind. Auf diese Weise bot die KI den Forschern ein einfaches Protokoll, das sie selbst nicht vorhergesehen hätten. Die KI verkürzt nicht nur die Zeit, die nötig ist, um wertvolle Ergebnisse zu erzielen, sie ist auch in der Lage, Probleme auf eine Art und Weise zu denken und zu lösen, an die Menschen selbst vielleicht nicht denken würden, und bietet so wirklich optimale Lösungen.
KI kann helfen, die Degradation von Batterien besser zu verstehen
In einem ähnlichen Projekt nutzten Forscher der Universitäten Cambridge und Newcastle einen Algorithmus des maschinellen Lernens, um nicht nur den Zustand der Batterien vorherzusagen, sondern auch Muster der Verschlechterung zu erkennen und zu verfolgen.
Das Forschungsteam entwickelte eine nicht-invasive Methode zur Überwachung der Batterieleistung indem sie elektrische Impulse mit verschiedenen Frequenzen in die Zelle sendet und den Strom bei jeder Frequenz misst. Diese Reaktionen werden von einer KI verarbeitet, die mit über zwanzigtausend Messungen trainiert wurde. Die Maschine kann feststellen, welche Reaktionen auf eine Verschlechterung der Batterie hinweisen und welche irrelevantes Rauschen sind. Dieselbe Strategie kann auf verschiedene Batteriechemien angewandt werden, und diese Daten bieten den Forschern einen Ausgangspunkt für Experimente, um herauszufinden, wie und wodurch die Batterieabnutzung verursacht wird.
KI kann Materialdatenbanken durchforsten
Eine weitere geniale Art, KI zu nutzen, ist in Materialforschung. Es gibt Hunderttausende von Molekülen, die als Kandidaten für eine Batterie in Frage kommen, und das Team des Joint Center for Energy Storage Research des US-Energieministeriums nutzt AI, um die beste Lösung zu finden.
Wenn Wissenschaftler vermuten, dass ein Molekül für die Verwendung in Batterien geeignet sein könnte, müssen sie es traditionell in eine Batterie einbauen und seine Leistung testen. Mit Hilfe des maschinellen Lernens ist die KI nun in der Lage, eine Bibliothek von Materialien zu durchforsten, um molekulare Strukturen zu finden, die verschiedene Leistungsanforderungen erfüllen könnten.
In ähnlicher Weise arbeiten Wissenschaftler des Argonne National Laboratory Einsatz von AI zur Identifizierung von ElektrolytmaterialienIhre Maschine ist darauf trainiert, Moleküle mit gewünschten Eigenschaften zu finden. Der Algorithmus muss zwar noch eine Option finden, aber wenn er sie findet, können die Wissenschaftler dieses Material verwenden, um eine Testzelle für Experimente zu erstellen und mit neuen Datensätzen den Algorithmus weiter zu verfeinern.
Batteriewissenschaftler sehen es als dringlich an, Energielösungen für eine grünere Zukunft zu entwickeln, und die KI spielt eine wichtige Rolle bei der Rationalisierung und Optimierung dieses Prozesses. Mit dieser Technologie könnten wir bald eine neue und verbesserte Batterie haben.
