ลองนึกภาพหมอดูบอกพ่อแม่ของคุณในวันที่คุณเกิดว่าคุณจะมีอายุยืนยาวแค่ไหน ประสบการณ์ที่คล้ายกันนี้เป็นไปได้สำหรับนักเคมีแบตเตอรี่ที่ใช้แบบจำลองทางคอมพิวเตอร์ใหม่ในการคำนวณอายุการใช้งานของแบตเตอรี่โดยอาศัยข้อมูลการทดลองเพียงแค่รอบเดียวเท่านั้น

ในการศึกษาครั้งใหม่ นักวิจัยจากห้องปฏิบัติการแห่งชาติอาร์กอน สังกัดกระทรวงพลังงานสหรัฐฯ (DOE) ได้นำพลังของแมชชีนเลิร์นนิงมาใช้ในการทำนายอายุการใช้งานของแบตเตอรี่หลากหลายประเภท โดยใช้ข้อมูลเชิงทดลองที่รวบรวมได้จากแบตเตอรี่ 300 ก้อน ซึ่งเป็นตัวแทนของแบตเตอรี่ 6 ประเภทที่แตกต่างกัน นักวิทยาศาสตร์สามารถกำหนดได้อย่างแม่นยำว่าแบตเตอรี่แต่ละประเภทจะใช้งานได้นานเท่าใด

นักวิจัยจากอาร์กอนน์ได้ใช้แบบจำลองการเรียนรู้ของเครื่องจักรเพื่อทำนายอายุการใช้งานของแบตเตอรี่สำหรับแบตเตอรี่ที่มีส่วนประกอบทางเคมีแตกต่างกันหลากหลายชนิด (ภาพโดย Shutterstock/Sealstep)

ในอัลกอริธึมการเรียนรู้ของเครื่อง นักวิทยาศาสตร์จะฝึกโปรแกรมคอมพิวเตอร์ให้ทำการอนุมานจากชุดข้อมูลเริ่มต้น จากนั้นจึงนำสิ่งที่ได้เรียนรู้จากกระบวนการฝึกฝนนั้นไปใช้ในการตัดสินใจกับชุดข้อมูลอื่น

“สำหรับแอปพลิเคชันแบตเตอรี่ทุกประเภท ตั้งแต่โทรศัพท์มือถือ รถยนต์ไฟฟ้า ไปจนถึงระบบจัดเก็บพลังงานในโครงข่ายไฟฟ้า อายุการใช้งานของแบตเตอรี่มีความสำคัญอย่างยิ่งสำหรับผู้บริโภคทุกคน” โนอาห์ พอลสัน นักวิทยาศาสตร์ด้านการคำนวณจากอาร์กอนน์ ผู้เขียนร่วมในการศึกษากล่าว “การต้องชาร์จแบตเตอรี่ซ้ำหลายพันครั้งจนกว่าจะเสียอาจใช้เวลาหลายปี วิธีการของเราสร้างห้องทดสอบเชิงคำนวณชนิดหนึ่ง ซึ่งเราสามารถกำหนดได้อย่างรวดเร็วว่าแบตเตอรี่ชนิดต่างๆ จะมีประสิทธิภาพอย่างไร”

“ในขณะนี้ วิธีเดียวที่จะประเมินว่าความจุของแบตเตอรี่ลดลงอย่างไร คือการทดสอบการใช้งานแบตเตอรี่ซ้ำๆ” ซูซาน “ซู” บาบิเนค นักเคมีไฟฟ้าจากอาร์กอนน์ และผู้เขียนร่วมอีกคนหนึ่งของการศึกษา กล่าวเสริม “มันมีราคาแพงมากและใช้เวลานาน”

พอลสันกล่าวว่า กระบวนการกำหนดอายุการใช้งานของแบตเตอรี่นั้นค่อนข้างซับซ้อน “ความจริงก็คือ แบตเตอรี่ไม่ได้ใช้งานได้ตลอดไป และอายุการใช้งานขึ้นอยู่กับวิธีการใช้งาน รวมถึงการออกแบบและองค์ประกอบทางเคมีของแบตเตอรี่ด้วย” เขากล่าว “จนถึงตอนนี้ ยังไม่มีวิธีที่ดีที่จะทราบว่าแบตเตอรี่จะใช้งานได้นานแค่ไหน ผู้คนต้องการทราบว่าพวกเขามีเวลาเหลืออีกนานแค่ไหนก่อนที่จะต้องเสียเงินซื้อแบตเตอรี่ใหม่”

หนึ่งในจุดเด่นของงานวิจัยนี้คือ การอาศัยงานทดลองอย่างกว้างขวางที่ดำเนินการที่อาร์กอนน์เกี่ยวกับวัสดุแคโทดแบตเตอรี่หลากหลายชนิด โดยเฉพาะอย่างยิ่งแคโทดที่ใช้สารประกอบนิกเกล-แมงกานีส-โคบอลต์ (NMC) ที่ได้รับการจดสิทธิบัตรของอาร์กอนน์ “เรามีแบตเตอรี่ที่มีองค์ประกอบทางเคมีแตกต่างกัน ซึ่งมีวิธีการเสื่อมสภาพและล้มเหลวที่แตกต่างกัน” พอลสันกล่าว “คุณค่าของงานวิจัยนี้คือ มันให้สัญญาณที่เป็นลักษณะเฉพาะของการทำงานของแบตเตอรี่ชนิดต่างๆ”

พอลสันกล่าวว่า การศึกษาเพิ่มเติมในด้านนี้มีศักยภาพที่จะชี้นำอนาคตของแบตเตอรี่ลิเธียมไอออนได้ “สิ่งหนึ่งที่เราสามารถทำได้คือการฝึกอัลกอริทึมด้วยเคมีที่ทราบแล้ว และให้มันทำนายผลกับเคมีที่ไม่ทราบ” เขากล่าว “โดยพื้นฐานแล้ว อัลกอริทึมอาจช่วยชี้ทางให้เราไปสู่เคมีใหม่ๆ ที่ดีขึ้น ซึ่งมีอายุการใช้งานยาวนานขึ้น”

ด้วยวิธีนี้ พอลสันเชื่อว่าอัลกอริธึมการเรียนรู้ของเครื่องจักรสามารถเร่งการพัฒนาและการทดสอบวัสดุแบตเตอรี่ได้ “สมมติว่าคุณมีวัสดุใหม่ และคุณทดลองใช้มันสองสามครั้ง คุณสามารถใช้อัลกอริธึมของเราเพื่อทำนายอายุการใช้งานของมัน จากนั้นจึงตัดสินใจว่าคุณต้องการทดลองใช้งานต่อไปหรือไม่”

บาบิเนคกล่าวเสริมว่า “หากคุณเป็นนักวิจัยในห้องแล็บ คุณจะสามารถค้นพบและทดสอบวัสดุได้มากขึ้นในเวลาที่สั้นลง เพราะคุณมีวิธีการประเมินวัสดุเหล่านั้นได้รวดเร็วยิ่งขึ้น”

เอกสารที่อ้างอิงจากการศึกษาเรื่อง “การสร้างคุณลักษณะใหม่สำหรับแมชชีนเลิร์นนิงช่วยให้สามารถคาดการณ์อายุการใช้งานแบตเตอรี่ได้ล่วงหน้าบทความดังกล่าวปรากฏในฉบับออนไลน์ของวารสาร Journal of Power Sources เมื่อวันที่ 25 กุมภาพันธ์

นอกจาก Paulson และ Babinec แล้ว ผู้เขียนร่วมคนอื่นๆ ในบทความนี้ ได้แก่ Joseph Kubal จาก Argonne, Logan Ward, Saurabh Saxena และ Wenquan Lu

งานวิจัยนี้ได้รับการสนับสนุนทุนจากโครงการวิจัยและพัฒนาที่ดำเนินการโดยห้องปฏิบัติการอาร์กอน (Argonne Laboratory-Directed Research and Development: LDRD)