Помимо повышения безопасности аккумуляторов, усовершенствованные алгоритмы также могут улучшить их производительность и устойчивость.
«В будущем чипы ИИ с низким потреблением энергии помогут сократить потребность в больших батареях», — говорит Норико Сузуки, ведущий специалист по технологиям в Институте бизнес-ценности IBM. «Аккумуляторы для электромобилей дороги и очень тяжелы, что приводит к большей нагрузке на дорожную инфраструктуру.
Исследовательская лаборатория IBM в Альмадене (Калифорния) реализует специализированный проект с использованием искусственного интеллекта и машинного обучения для разработки более мощных, устойчивых и энергоэффективных аккумуляторов для электромобилей.
В частности, команда использует рабочие процессы ИИ и машинного обучения для ускорения обнаружения и оптимизации электролитных материалов — критического компонента, влияющего на безопасность, стабильность и эффективность батареи. Этот рабочий процесс объединяет автоматизированные рабочие процессы моделирования и обширные знания и наборы данных, связанные с конкретной областью, с моделями ИИ, специально созданными для обнаружения новых формул электролита для высокопроизводительных батарей.
«ИИ обладает потенциалом для ускорения разработки сложных материалов и процессов для аккумуляторов, обеспечивая более быструю зарядку, более высокую плотность энергии и улучшенную устойчивость», — сказал Муртаза Зохаир, научный сотрудник IBM в лаборатории Альмадена.
Мультимодальные модели фундамента ИИ , большие химические модели, предварительно обученные на более чем 90 миллионах молекул, могут быть точно настроены с помощью маркированных наборов данных аккумуляторов для прогнозирования свойств сложных материалов, таких как формулы электролитов, для оптимизации производительности аккумуляторов. Алгоритмы глубокого поиска могут быстро извлекать знания из огромных объемов существующей научной литературы. Инструментарий моделирования может эффективно решать, какие виды моделирования следует запустить, чтобы лучше понять материалы и их функции. Наконец, генеративные модели могут быстро предлагать новые материалы.
