Strojové učení slibuje rychlejší a levnější vývoj lithium-iontových baterií

Sdílet

Autor: Depositphotos
Nový přístup založený na strojovém učení by mohl výrazně snížit čas a energii potřebnou k předpovědi životnosti nových typů baterií.

Vědci vyvinuli metodu strojového učení, která by mohla výrazně snížit náklady a energii potřebnou k navrhování nových lithium-iontových baterií. Ty ve světě moderních technologií nabývají na stále větší důležitosti, jednou z největších překážek v jejich vývoji je však odhad životnosti nových designů. 

V současnosti se obvykle zjišťuje opakovaným nabíjením a vybíjením testovacích baterií, tento proces však může trvat měsíce nebo dokonce roky a spotřebovává velké množství elektřiny.

Jak zvládnout digitalizaci, automatizaci a AI v malé firmě s Petrem Mackem
Jak zvládnout digitalizaci, automatizaci a AI v malé firmě s Petrem Mackem
0:00/

Podle odhadu citovaného výzkumníky by testování současných a budoucích návrhů baterií v letech 2023 až 2040 mohlo vyžadovat asi 130 000 gigawatthodin energie, což je zhruba polovina roční produkce elektřiny v Kalifornii. Ve studii zveřejněné v časopise Nature výzkumný tým uvádí, že jeho nový přístup by mohl zkrátit dobu testování o 98 % a snížit náklady o 95 % ve srovnání s konvenčními metodami.

Metoda navazuje na dřívější práci z roku 2019, která ukázala, že modely strojového učení mohou využívat raná data z testů baterií k předpovědi jejich celkové životnosti s relativně malými chybami. Nový výpočetní rámec nazvaný Discovery Learning rozděluje celý proces výpočtu do tří částí. 

Nejprve modul Learner vybere, které nové návrhy baterií by měly být testovány, aby se získala nejužitečnější data. Po omezeném počátečním testování modul Interpreter analyzuje tyto výsledky pomocí fyzikálních modelů fungování baterií v kombinaci s historickými daty z baterií, které již byly testovány po celou dobu své životnosti. Modul Oracle pak tyto informace použije k předpovědi, jak dlouho nové konstrukce vydrží. Tyto předpovědi se navíc zpětně zadávají do modulu Learner, který vybírá další konstrukce k testování.

Šestnáct novinek ve Windows 11, které vám umožní pohrát si s jejich designem a nastavením Přečtěte si také:

Šestnáct novinek ve Windows 11, které vám umožní pohrát si s jejich designem a nastavením

„Klíčovou novinkou modelu Discovery Learning je to, že se aktualizuje sám pomocí životnosti předpovězené modulem Oracle, namísto použití experimentálně naměřené životnosti, čímž se vyhýbá časově náročnému testování baterií po celou dobu jejich životnosti,“ říká jeden z autorů projektu Chao Hu. 

Školení Linux

Zároveň však varuje, že ještě není jasné, jak dobře bude systém fungovat, když bude aplikován na návrhy baterií, které se výrazně liší od těch, které byly použity k trénování modelu. Je tak prý zapotřebí dalšího testování, aby se zjistilo, jak dobře funguje v reálných podmínkách, jako jsou různé teploty a elektrické zátěže.

I tak by však potenciální dopad mohl být značný. Globální trh s bateriemi používanými v elektromobilech, noteboocích a dalších zařízeních se v současné době odhaduje na přibližně 120 miliard dolarů a do roku 2030 by měl vzrůst na téměř 500 miliard dolarů. V tomto kontextu by i mírné snížení nákladů na vývoj a času mohlo mít významný efekt.

Computertrends - promo

Computertrends si můžete objednat i jako klasický časopis. Je jediným odborným magazínem na českém a slovenském trhu zaměreným na profesionály v oblasti informačních a komunikačních technologií (ICT). Díky silnému zázemí přináší aktuální zpravodajství, analýzy, komentáře a přehledy nejnovejších technologií dříve a na vyšší odborné úrovni, než ostatní periodika na tuzemském trhu.

Obsah Computertrends je určen odborníkům a manažerům z firem a institucí, kteří se podílejí na rozhodovacím procesu při nákupu ICT technologií. Jednotlivá čísla si můžete objednat i v digitální podobě.