هوش مصنوعی مسیر ساخت باتری‌های سدیم-فلزی ارزان‌تر را هموار می‌کند

گروه پژوهشی مؤسسه فناوری ماساچوست با ایجاد روشی راهنما مبتنی بر یادگیری ماشین، گامی بلند در جهت طراحی الکترولیت‌های بهتر برای باتری‌های سدیم-فلزی برداشته است.
 
این پژوهش به چالش کلیدی ماهیت بسیار واکنش‌پذیر باتری‌های سدیم-فلزی می‌پردازد که بر پایداری و توانایی شارژ سریع آنها تأثیر می‌گذارد.
 
به گزارش ایتنا و به نقل از Interesting Engineering، بر اساس اعلام پژوهشگران، استفاده از هوش مصنوعی در کنار آزمایش‌های تجربی، آنها را به شناسایی فرمول‌های الکترولیتی امیدوارکننده‌ای رسانده است که می‌توانند باتری‌های مبتنی بر سدیم فراوان را به جای مواد کمیاب مانند لیتیوم، کبالت و نیکل عملی کنند.
 
گفتنی است سدیم حدود هزار برابر بیشتر از لیتیوم فراوان است و به ازای هر واحد وزن، حدود یک صدم هزینه دارد.
 
پژوهش بر یکی از بزرگترین موانع فنی که باتری‌های سدیم-فلزی را محدود می‌کند، یعنی الکترولیت، متمرکز است. الکترولیت در کنار آند و کاتد، یکی از سه مؤلفه اساسی باتری است و یون‌های سدیم باردار را بین الکترودها در حین شارژ و دشارژ منتقل می‌کند.
 
با این حال، الکترولیت‌های معمولی اغلب با الکترودها واکنش می‌دهند و واکنش‌های شیمیایی ناخواسته‌ای را آغاز می‌کنند که محصولات جانبی عایق تولید کرده، حرکت یون‌ها را مسدود می‌سازند و عمر باتری را کوتاه می‌کنند.
 
گروه ام‌آی‌تی برای مهندسی الکترولیت‌هایی که از نظر شیمیایی پایدار بمانند و در عین حال انتقال سریع یون را ممکن سازند، از یک کشف پیشین استفاده کردند که شامل حلالی مبتنی بر سولفون‌آمید به نام دی‌ام‌تی‌ام‌اس‌ای بود.
 
این پژوهش راهبرد جدیدی را برای مهندسی الکترولیت معرفی می‌کند که یادگیری ماشین را با اصول طراحی مولکولی ترکیب می‌کند. پژوهشگران فاز بعدی پروژه را با استفاده از دی‌ام‌اف‌اس‌ای به عنوان نقطه شروع جدید برای یافتن مولکول‌های حلال کوچک‌تر و کارآمدتر آغاز کرده‌اند.