GenAI ലിഥിയം ബാറ്ററികൾ എങ്ങനെ പുനർനിർമ്മിക്കുന്നു
ഒരു നൂതന ലിഥിയം അയൺ ബാറ്ററി രൂപകൽപ്പനയ്ക്ക് ഇലക്ട്രിക് വാഹനങ്ങൾ, സ്മാർട്ട്ഫോണുകൾ, മറ്റ് ഉപകരണങ്ങൾ എന്നിവയ്ക്ക് നിലവിലെ ഡിസൈനുകളേക്കാൾ 70 ശതമാനം വരെ ലിഥിയം കുറവാണ് : കൂടാതെ അതിവേഗം വികസിച്ചുകൊണ്ടിരിക്കുന്ന ജനറേറ്റീവ് എഐ (ജെൻഎഐ) മോഡലുകൾ കണ്ടുപിടിക്കുകയും പരീക്ഷിക്കുകയും ചെയ്ത ദശലക്ഷക്കണക്കിന് പുതിയ ബാറ്ററി മെറ്റീരിയലുകളിൽ ഒന്ന് മാത്രമാണിത്.
പുതുതായി കണ്ടെത്തിയ എൻ 2116 എന്ന ഇലക്ട്രോലൈറ്റിനെ അടിസ്ഥാനമാക്കി, പുതിയ ബാറ്ററി ഡിസൈൻ – നിലവിലുള്ള ബാറ്ററികളേക്കാൾ വേഗത്തിൽ ചാർജ് ചെയ്യുന്നതും പൊട്ടിത്തെറിക്കാൻ സാധ്യത കുറവുള്ളതുമായ ഒരു സോളിഡ്-സ്റ്റേറ്റ് മെറ്റീരിയൽ – ബാറ്ററിയുടെ ലിഥിയത്തിന്റെ ഭൂരിഭാഗവും സോഡിയം ഉപയോഗിച്ച് മാറ്റിസ്ഥാപിക്കുന്നു.
അഷ്വർ ക്വാണ്ടം എലിമെന്റ്സ് എന്ന മൈക്രോസോഫ്റ്റ് ക്ലൗഡ് പ്ലാറ്റ്ഫോമിൽ വികസിപ്പിക്കുകയും മാതൃകയാക്കുകയും ചെയ്ത 32 ദശലക്ഷം കാൻഡിഡേറ്റ് തന്മാത്രകളിൽ ഒന്നാണ് എൻ 2116, ഇത് വാഷിംഗ്ടൺ ആസ്ഥാനമായുള്ള പസഫിക് നോർത്ത് വെസ്റ്റ് നാഷണൽ ലബോറട്ടറിയുമായി (പിഎൻഎൻഎൽ) ഒരു മൾട്ടി-ഇയർ പങ്കാളിത്തം ശക്തിപ്പെടുത്തി.
എന്നിരുന്നാലും, പുതിയ ഇലക്ട്രോലൈറ്റിനേക്കാൾ പ്രധാനം ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് അധിഷ്ഠിത സാങ്കേതികവിദ്യയുടെ ഉപയോഗം ശാസ്ത്രജ്ഞരെ അതിവേഗം വികസിപ്പിക്കാൻ പ്രാപ്തമാക്കിയ രീതിയാണെന്ന് അഷ്വർ ക്വാണ്ടം എലിമെന്റ്സ് ഉൽപ്പന്ന നേതാവ് നഥാൻ ബേക്കർ അഭിപ്രായപ്പെട്ടു.
“സിമുലേഷന്റെ ഓരോ ഘട്ടത്തിലും എനിക്ക് [മുമ്പ്] ഒരു ക്വാണ്ടം കെമിസ്ട്രി കണക്കുകൂട്ടൽ നടത്തേണ്ടിവന്നു, പകരം ഞാൻ മെഷീൻ ലേണിംഗ് മോഡൽ എന്ന് വിളിക്കുന്നു,” ബേക്കർ വിശദീകരിച്ചു. “അതിനാൽ സിമുലേഷൻ പ്രവർത്തിപ്പിക്കുന്നതിൽ നിന്ന് വരുന്ന ഉൾക്കാഴ്ചയും വിശദമായ നിരീക്ഷണങ്ങളും എനിക്ക് ഇപ്പോഴും ലഭിക്കുന്നു, പക്ഷേ സിമുലേഷൻ അര ദശലക്ഷം മടങ്ങ് വരെ വേഗത്തിൽ ആകാം.”
ദശലക്ഷക്കണക്കിന് കെമിസ്ട്രി, മെറ്റീരിയൽസ് സയൻസ് ഡാറ്റാ പോയിന്റുകളിൽ പരിശീലനം നേടിയ എലിമെന്റുകളുമായുള്ള പ്രാരംഭ പ്രവർത്തനത്തിന്റെ ഫലങ്ങൾ കഴിഞ്ഞ ഓഗസ്റ്റിൽ ടീമുകൾ പ്രസിദ്ധീകരിച്ചു, തുടർന്ന് നിലവിലുള്ള ലിഥിയം അയൺ ബാറ്ററികളിൽ മെച്ചപ്പെടുത്താൻ കഴിയുന്ന രാസവസ്തുക്കളുടെ സംയോജനങ്ങൾ വികസിപ്പിക്കാനും ഗണിതശാസ്ത്രപരമായി പരീക്ഷിക്കാനും ആവശ്യപ്പെട്ടു.
രാസപരമായി സ്ഥിരതയുള്ളതാണെന്ന് പ്രവചിക്കപ്പെട്ട എഐയുടെ യഥാർത്ഥ പൂളായ 32 ദശലക്ഷം സ്ഥാനാർത്ഥികളെ 500,000 ആയി ചുരുക്കിയ ഘടകങ്ങൾ പിന്നീട് നോവൽ ബാറ്ററികളുടെ രൂപകൽപ്പനയുമായി ബന്ധപ്പെട്ട ഫംഗ്ഷണൽ ഗുണങ്ങളെ അടിസ്ഥാനമാക്കി 800 മെറ്റീരിയലുകളിലേക്ക് തിരയൽ ചുരുക്കി.
ഹൈ-പെർഫോമൻസ് കമ്പ്യൂട്ടിംഗ് (എച്ച്പിസി) സംവിധാനം ഉപയോഗിച്ച് ആ സ്ഥാനാർത്ഥികളെ വിശകലനം ചെയ്തു – ഇത് ഓരോ മെറ്റീരിയലിന്റെയും ഊർജ്ജം കണക്കാക്കുന്നതിനും മെറ്റീരിയലിലൂടെ തന്മാത്രകളുടെ ചലനം അനുകരിക്കുന്നതിനും വലിയ ഡാറ്റാ മോഡലുകൾ ക്രഞ്ച് ചെയ്തു.
നിലവിലുള്ള വസ്തുക്കളിൽ നിന്നുള്ള വ്യത്യാസം, മെക്കാനിക്കൽ പ്രവർത്തനം, ഘടക ഘടകങ്ങളുടെ ലഭ്യത തുടങ്ങിയ സാധ്യതയുള്ള പ്രശ്നങ്ങൾ തൂക്കിനോക്കിയ മനുഷ്യർ ഈ സ്ഥാനാർത്ഥികളെ വിലയിരുത്തി.
23 അന്തിമ സ്ഥാനാർത്ഥികളിൽ, അഞ്ച് ഇതിനകം നിലവിലുണ്ടെന്നും ശേഷിക്കുന്ന 18 ബാറ്ററികളിൽ ഏറ്റവും പ്രതീക്ഷ നൽകുന്ന എൻ 2116 യാഥാർത്ഥ്യപരമായി നിർമ്മിക്കാനും അടുത്ത തലമുറ ബാറ്ററികളിൽ ഉപയോഗിക്കാനും കഴിയുമെന്നും പിഎൻഎൻഎൽ ഗവേഷകർ കണ്ടെത്തി.
സങ്കീർണ്ണമായ ഗവേഷണ രീതികൾ പുനർനിർമ്മിക്കുക
നൂതന ബാറ്ററി കെമിസ്ട്രി വികസിപ്പിക്കുന്നതിനും പരീക്ഷിക്കുന്നതിനും രൂപകൽപ്പന ചെയ്യുന്നതിനും സാധാരണയായി വർഷങ്ങളെടുക്കും: ബാറ്ററി സ്പെഷ്യലിസ്റ്റ് സില, ഈ വർഷം അവസാനം നിർമ്മാണം ആരംഭിക്കുന്ന ഒരു പ്രത്യേക ബാറ്ററി അന്തിമമാക്കുന്നതിന് മുമ്പ് 55,000 ആവർത്തനങ്ങൾ പരീക്ഷിക്കാൻ പത്ത് വർഷത്തെ ഗവേഷണ-വികസനം ചെലവഴിച്ചു.
യുഎസ് ഗവേഷണ കേന്ദ്രമായ ആർഗോൺ കഴിഞ്ഞ വർഷം ലിഥിയം ഊർജ്ജത്തിന്റെ നാലിരട്ടി ഊർജ്ജ സാന്ദ്രതയുള്ള ഒരു ബാറ്ററി രൂപകൽപ്പന അവതരിപ്പിച്ചപ്പോൾ – അതായത് ഒരു ചാർജിൽ 1,600 കിലോമീറ്റർ വേഗതയിൽ ഒരു ഇവിക്ക് ഊർജ്ജം നൽകാനും ഒടുവിൽ ഇലക്ട്രിക് വിമാനങ്ങൾക്കും ബി-ഡബിൾസിനും ഊർജ്ജം പകരാനും ഇത് ഉപയോഗിക്കാൻ കഴിയും .
ഇതിന് വിപരീതമായി, മൈക്രോസോഫ്റ്റ്-പിഎൻഎൻഎൽ ടീമിന് 32 ദശലക്ഷം പുതിയ തന്മാത്രകൾ കൊണ്ടുവരാൻ ജെൻഎഐ മോഡൽ ഉപയോഗിക്കാൻ കഴിഞ്ഞു – കൂടാതെ വെറും 80 മണിക്കൂറിനുള്ളിൽ 18 സ്ഥാനാർത്ഥികളുടെ ചുരുക്കപ്പട്ടിക നിർമ്മിക്കാൻ അവ ക്രമാനുഗതമായി വിശകലനം ചെയ്യാനും കഴിഞ്ഞു.
“മികച്ച മെറ്റീരിയലുകൾ തിരിച്ചറിയാൻ സഹായിക്കുന്ന ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിന്റെ വേഗതയിലാണ് ഇവിടുത്തെ മാന്ത്രികതയെന്ന് ഞങ്ങൾ നേരത്തെ തിരിച്ചറിഞ്ഞു,” പിഎൻഎൻഎൽ ചീഫ് ഡിജിറ്റൽ ഓഫീസർ ബ്രയാൻ എബ്രഹാംസൺ പറഞ്ഞു, “ആ ആശയങ്ങൾ ലബോറട്ടറിയിൽ ഉടനടി പ്രാവർത്തികമാക്കാനുള്ള ഞങ്ങളുടെ കഴിവ്… അത്യാധുനിക സാങ്കേതികവിദ്യയും ശാസ്ത്രീയ വൈദഗ്ധ്യവും സംയോജിപ്പിച്ചുകൊണ്ട് സാധ്യമായതിന്റെ അതിരുകൾ നീക്കാൻ ഞങ്ങൾ പദ്ധതിയിടുന്നു.
ഐബിഎം റിസർച്ച് പോലുള്ള സ്ഥാപിത ഗവേഷണ ഭീമന്മാർ അക്കാദമിക് ഗവേഷകരുമായും കെമിക്സ്, അയോണിക്സ് പോലുള്ള സ്റ്റാർട്ടപ്പുകളുമായും ചേർന്ന് പുതിയ ബാറ്ററി കെമിസ്ട്രി കണ്ടുപിടിക്കുന്നതിനുള്ള ഒരു ഉപകരണമായി ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് സ്വീകരിച്ചു.
കാർനെഗി മെല്ലൺ സർവകലാശാലയുടെ ഡ്രാഗൺഫ്ലൈ മോഡൽ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് അടിസ്ഥാനമാക്കിയുള്ള ബാറ്ററി വികസന പ്രക്രിയയെ സ്റ്റാൻഡേർഡ് ചെയ്തിട്ടുണ്ട്, അതേസമയം യുഎസ് നാഷണൽ റിന്യൂവബിൾ എനർജി ലബോറട്ടറി (എൻആർഇഎൽ), ജനറൽ മോട്ടോഴ്സ് എന്നിവയും അടുത്ത ഗെയിം മാറ്റുന്ന ബാറ്ററി മെറ്റീരിയൽ കണ്ടെത്താൻ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് ഉപയോഗിക്കാനുള്ള തിരക്കിൽ ചേർന്നു.
ഉദാഹരണത്തിന്, കഴിഞ്ഞ വർഷം, സ്റ്റാൻഫോർഡ് യൂണിവേഴ്സിറ്റി ഗവേഷകൻ ഓസ്റ്റിൻ സെൻഡെക്കിന്റെ നേതൃത്വത്തിലുള്ള ഏഴ് വർഷത്തെ ഗവേഷണ പ്രോജക്റ്റ് എഐ അൽഗോരിതം ഉപയോഗിച്ച് സിലിക്കോയിൽ വികസിപ്പിക്കുകയും പരീക്ഷിക്കുകയും ചെയ്ത എൽബിഎസ് എന്ന പുതിയ ബാറ്ററി ഇലക്ട്രോലൈറ്റിന്റെ ഫലപ്രാപ്തിയെ സാധൂകരിച്ചു.
സൂപ്പർകണ്ടക്ടറുകൾ, സൂപ്പർ കമ്പ്യൂട്ടറുകൾ, ബാറ്ററി സയൻസ് എന്നിവയായി പ്രയോഗിക്കാൻ സാധ്യതയുള്ള 2.2 ദശലക്ഷം പുതിയ മെറ്റീരിയലുകൾ കണ്ടുപിടിക്കാനും വേഗത്തിൽ വിലയിരുത്താനും ജിഒഎംഇ എന്ന ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് മോഡൽ ഉപയോഗിച്ച് ഗൂഗിൾ അടുത്തിടെ വിജയം പങ്കിട്ടു.
“ശാസ്ത്രീയ വൈദഗ്ധ്യത്തിന്റെയും ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിന്റെയും സംയോജനമാണ് അടുത്ത 250 വർഷത്തെ രസതന്ത്രത്തിന്റെയും മെറ്റീരിയൽസ് സയൻസ് ഇന്നൊവേഷനെയും സമ്മർദ്ദത്തിലാക്കുന്നത്,” ബേക്കർ പറഞ്ഞു, “എല്ലാ വ്യവസായങ്ങളെയും പരിവർത്തനം ചെയ്യുകയും ആത്യന്തികമായി ശാസ്ത്രീയ കണ്ടെത്തലിനായി ഒരു പുതിയ യുഗം തുറക്കുകയും ചെയ്യും.”
Experienced Researcher with a demonstrated history of working in the Deep Learning, Computer Vision
