ลองนึกภาพคนมีพลังจิตบอกพ่อแม่ของคุณว่าในวันที่คุณเกิด คุณจะมีชีวิตอยู่ได้นานแค่ไหนประสบการณ์ที่คล้ายกันนี้เป็นไปได้สำหรับนักเคมีแบตเตอรี่ที่ใช้แบบจำลองการคำนวณแบบใหม่เพื่อคำนวณอายุการใช้งานของแบตเตอรี่โดยพิจารณาจากข้อมูลการทดลองเพียงรอบเดียว

ในการศึกษาใหม่ นักวิจัยจากห้องปฏิบัติการแห่งชาติ Argonne ของกระทรวงพลังงานสหรัฐฯ (DOE) ได้หันมาใช้พลังของการเรียนรู้ของเครื่องเพื่อทำนายอายุการใช้งานของเคมีแบตเตอรี่ประเภทต่างๆด้วยการใช้ข้อมูลการทดลองที่รวบรวมที่ Argonne จากชุดแบตเตอรี่ 300 ก้อนที่แสดงถึงเคมีของแบตเตอรี่ 6 ชนิด นักวิทยาศาสตร์สามารถระบุได้อย่างแม่นยำว่าแบตเตอรี่แต่ละชนิดจะหมุนเวียนต่อไปนานแค่ไหน

นักวิจัยของ Argonne ได้ใช้โมเดลการเรียนรู้ของเครื่องเพื่อคาดการณ์อายุการใช้งานของแบตเตอรี่สำหรับเคมีประเภทต่างๆ(ภาพโดย Shutterstock/Sealstep)

ในอัลกอริธึมแมชชีนเลิร์นนิง นักวิทยาศาสตร์จะฝึกโปรแกรมคอมพิวเตอร์เพื่ออนุมานชุดข้อมูลเริ่มต้น จากนั้นนำสิ่งที่เรียนรู้จากการฝึกอบรมนั้นมาตัดสินใจเกี่ยวกับข้อมูลชุดอื่น

“สำหรับการใช้งานแบตเตอรี่ทุกประเภท ตั้งแต่โทรศัพท์มือถือ รถยนต์ไฟฟ้า ไปจนถึงการจัดเก็บกริด อายุการใช้งานของแบตเตอรี่มีความสำคัญขั้นพื้นฐานสำหรับผู้บริโภคทุกคน” Noah Paulson นักวิทยาศาสตร์ด้านคอมพิวเตอร์ของ Argonne ผู้เขียนรายงานวิจัยกล่าว“การต้องหมุนเวียนแบตเตอรี่หลายพันครั้งจนพังอาจใช้เวลานานหลายปีวิธีการของเราสร้างชุดทดสอบทางคอมพิวเตอร์ประเภทหนึ่ง ซึ่งเราสามารถกำหนดประสิทธิภาพของแบตเตอรี่ต่างๆ ได้อย่างรวดเร็ว”

“ตอนนี้ วิธีเดียวที่จะประเมินว่าความจุของแบตเตอรี่ลดลงได้อย่างไรก็คือการหมุนเวียนแบตเตอรี่จริงๆ” Susan ​Sue Babinec นักเคมีไฟฟ้าของ Argonne ผู้เขียนรายงานวิจัยอีกคนกล่าวเสริม“มันแพงมากและใช้เวลานาน”

ตามที่ Paulson กล่าว กระบวนการสร้างอายุการใช้งานแบตเตอรี่อาจเป็นเรื่องยุ่งยาก“ความจริงก็คือแบตเตอรี่ไม่ได้อยู่ตลอดไป และระยะเวลาที่แบตเตอรี่มีอายุการใช้งานขึ้นอยู่กับวิธีการใช้งานของเรา รวมถึงการออกแบบและคุณสมบัติทางเคมี” เขากล่าว“จนถึงขณะนี้ ยังไม่มีวิธีใดที่ดีที่จะทราบว่าแบตเตอรี่มีอายุการใช้งานได้นานแค่ไหนผู้คนคงอยากรู้ว่าพวกเขามีเวลานานแค่ไหนจนกว่าพวกเขาจะต้องใช้เงินซื้อแบตเตอรี่ใหม่”

ลักษณะเฉพาะประการหนึ่งของการศึกษาวิจัยนี้ก็คือ การศึกษานี้อาศัยงานทดลองมากมายที่ทำที่ Argonne เกี่ยวกับวัสดุแคโทดของแบตเตอรี่หลายชนิด โดยเฉพาะอย่างยิ่งแคโทดที่ใช้นิกเกิล-แมงกานีส-โคบอลต์ (NMC) ที่ได้รับสิทธิบัตรของ Argonne“เรามีแบตเตอรี่ที่เป็นตัวแทนของสารเคมีที่แตกต่างกัน ซึ่งมีวิธีการย่อยสลายและล้มเหลวที่แตกต่างกันออกไป” Paulson กล่าว“คุณค่าของการศึกษาครั้งนี้คือการให้สัญญาณที่บ่งบอกลักษณะการทำงานของแบตเตอรี่ที่แตกต่างกัน”

การศึกษาเพิ่มเติมในด้านนี้มีศักยภาพในการชี้แนะอนาคตของแบตเตอรี่ลิเธียมไอออน Paulson กล่าว“สิ่งหนึ่งที่เราทำได้คือฝึกอัลกอริธึมเกี่ยวกับเคมีที่รู้จัก และให้มันทำนายเคมีที่ไม่รู้จัก” เขากล่าว“โดยพื้นฐานแล้ว อัลกอริธึมอาจช่วยชี้แนะเราไปสู่เคมีใหม่ที่ได้รับการปรับปรุงซึ่งมีอายุการใช้งานยาวนานขึ้น”

ด้วยวิธีนี้ Paulson เชื่อว่าอัลกอริธึมการเรียนรู้ของเครื่องสามารถเร่งการพัฒนาและการทดสอบวัสดุแบตเตอรี่ได้“สมมติว่าคุณมีวัสดุใหม่และวนซ้ำสองสามครั้งคุณสามารถใช้อัลกอริธึมของเราเพื่อทำนายอายุขัยของมัน แล้วตัดสินใจว่าคุณต้องการวงจรการทดลองต่อไปหรือไม่”

“หากคุณเป็นนักวิจัยในห้องทดลอง คุณสามารถค้นพบและทดสอบวัสดุอื่นๆ อีกมากมายได้ในเวลาอันสั้น เนื่องจากคุณมีวิธีประเมินวัสดุเหล่านั้นได้เร็วกว่า” Babinec กล่าวเสริม

บทความจากการศึกษา “วิศวกรรมฟีเจอร์สำหรับการเรียนรู้ของเครื่องช่วยให้คาดการณ์อายุการใช้งานแบตเตอรี่ได้ตั้งแต่เนิ่นๆ” ปรากฏใน Journal of Power Sources ฉบับออนไลน์เมื่อวันที่ 25 กุมภาพันธ์

นอกจาก Paulson และ Babinec แล้ว ผู้เขียนบทความคนอื่นๆ ยังรวมถึง Joseph Kubal ของ Argonne, Logan Ward, Saurabh Saxena และ Wenquan Lu

การศึกษาได้รับทุนจากทุนสนับสนุนการวิจัยและพัฒนาที่กำกับโดยห้องปฏิบัติการ Argonne (LDRD)