العلماء يجمعون بين الذكاء الاصطناعي والصور ذات النطاق الذري سعيا للحصول على بطاريات أفضل – ترجمة* محمد جواد آل السيد ناصر الخضراوي

Scientists combine AI and atomic-scale images in pursuit of better batteries
(Stanford University – تقديم: جامعة ستانفورد)

ملخص المقال:

استخدم مجموعة من الباحثين الذكاءَ الاصطناعي لتحليل أنواع جديدة من الصور المجهرية على نطاق ذري لفهم سبب تآكل البطاريات القابلة لإعادة الشحن، بهدف الوصول إلى بطاريات تدوم لفترة أطول بكثير من بطاريات اليوم. ونظروا الى بطاريات الليثيوم – أيون القائمة على ما يسمى بمواد فوسفات حديد الليثيوم التي تتعرض لتغييرات أثناء إعادة شحن البطارية وتفريغها بالاستخدام، مما يسبب شقوقًا نانوية تؤدي الى فشلها. وأشاروا الى أن درجة الحرارة ليست هي التي تسبب الشقوق في البطارية، ولكن الضغط الميكانيكي للمواد على بعضها البعض مع كل دورة شحن. وقد تكون إحدى نتائج هذا البحث العلمي هي برنامج جديد للتحكم في شحن وتفريغ البطارية بطرق يمكن أن تحسن عمر البطارية. ومن المثير أن هذا البحث العلمي قاد الى تطوير نماذج حسابية أكثر دقة تسمح لمهندسي البطاريات باستكشاف مواد قطب كهربائي بديلة على جهاز كمبيوتر بدلا من المختبر.

( المقالة )

البطاريات القابلة لإعادة الشحن اليوم عجيبة، ولكنها أبعد ما تكون عن الكمال. وفي نهاية المطاف، كلها تتآكل (تبلى) جميعا، مما يؤدي الى بدائل باهظة الثمن والى إعادة تدوير.

“ولكن ماذا لو كانت البطاريات غير قابلة للتدمير؟”، يسأل ويليام تشويه، الأستاذ المشارك في علوم وهندسة المواد في جامعة ستانفورد وكبير مؤلفي ورقة بحثية جديدة تفصل نهجا تحليليا هو الأول من نوعه لبناء بطاريات أفضل يمكن أن تساعد في تسريع ذلك اليوم. وتظهر الدراسة البحثية في مجلة “مواد الطبيعة” (Nature Materials).

واستخدم البروفيسور تشويه والمؤلف الرئيسي الدكتور هيتاو “دين” دينغ والمتعاونون في مختبر لورانس بيركلي الوطني ومعهد ماساتشوستس للتكنولوجيا ومؤسسات بحثية أخرى الذكاءَ الاصطناعي لتحليل أنواع جديدة من الصور المجهرية على نطاق ذري لفهم سبب تآكل البطاريات بالضبط. وفي نهاية المطاف، كما يقولون، يمكن أن يؤدي الكشف إلى بطاريات تدوم لفترة أطول بكثير من بطاريات اليوم.

وعلى وجه التحديد، نظروا في نوع معين من  بطاريات الليثيوم – أيون القائمة على ما يسمى بمواد فوسفات حديد الليثيوم (lithium ferrophosphate LFP) والتي يمكن أن تؤدي إلى انتاج سيارات كهربائية بكميات كبيرة (سوق شامل للسيارات الكهربائية) لأنها لا تستخدم مواد كيميائية ذات سلاسل توريد مقيدة.

الكسور النانوية

أوضح البروفيسور تشويه: “فكر في البطارية على أنها فنجان قهوة خزفي يتوسع ويتقلص عندما يسخن ويبرد. وهذه التغييرات تؤدي في النهاية إلى عيوب في السيراميك”. وأردف: “المواد الموجودة في البطارية القابلة لإعادة الشحن تفعل الشيء نفسه في كل مرة تقوم فيها بإعادة شحنها ثم استخدام تلك الكهرباء، مما يؤدي إلى الفشل”.

وأشار إلى أنه في البطارية، ليست درجة الحرارة هي التي تسبب الشقوق، ولكن الضغط الميكانيكي للمواد على بعضها البعض مع كل دورة شحن.

وأردف: “لسوء الحظ، لا نعرف الكثير عما يحدث على المقياس النانوي حيث ترتبط الذرات. تسمح لنا تقنيات الفحص المجهري الجديدة عالية الدقة هذه برؤيتها ويساعدنا الذكاء الاصطناعي على فهم ما يحدث. لأول مرة، يمكننا تصور وقياس هذه القوى على مقياس نانومتر واحد”.

وقال إن أداء أي مادة معينة هو دالة (علاقة رياضية) لكل من كيميائها والتفاعل الفيزيائي في المادة على المقياس الذري، ما يشير هو إليه باسم “الميكانيكا الكيميائية”. وعلاوة على ذلك، كلما أصبحت الأشياء أصغر وكلما كانت الذرات التي تشكل المادة أكثر تنوعا، كلما كان من الصعب التنبؤ بكيفية تصرف المادة. وهنا يدخل الذكاء الاصطناعي.

أداة تحويلية

استخدام الذكاء الاصطناعي لتحليل الصور ليس بالأمر الجديد، ولكن استخدامه لدراسة التفاعلات الذرية على أصغر المقاييس أمر جديد. وفي الطب، أصبح الذكاء الاصطناعي أداة تحويلية في تحليل صور كل شيء من الركب (جمع ركبة) المعيبة إلى السرطانات القاتلة. وفي الوقت نفسه، في علوم المواد، تسمح الطرق الجديدة للأشعة السينية عالية الدقة والإلكترون والمجهر النيوتروني بالتصور المباشر على المقياس النانوي.

وبالنسبة لموضوعهم، اختار الفريق فوسفات حديد الليثيوم أو “LFP”، وهي مادة معروفة تستخدم في الأقطاب الكهربائية الإيجابية التي تكتسب شعبية لدى شركات صناعة السيارات الكهربائية وغيرها من الأعمال كثيفة البطاريات.

ولا يحتوي هذا القطب على الكوبالت والنيكل، الذين يستخدما في العديد من البطاريات المتاحة تجاريا.  وتعتبر بطاريات فوسفات حديد الليثيوم أكثر أمانا أيضا، على الرغم من أنها تحتفظ على كهرباء أقل لكل رطل.

وعلى الرغم من أن فوسفات حديد الليثيوم قد تمت دراسته لمدة عقدين من الزمن، إلا أنه يمكن فقط تخمين سؤالين تقنيين رئيسيين معلقين إلى حتى الآن: الأول ينطوي على فهم مرونة وتشوه المادة أثناء شحنها وتصريفها، ويتعلق الثاني بكيفية توسعه وتقلصه في نظام معين حيث يكون فوسفات حديد الليثيوم مستقرا جزئيا، أو “مستقرا”.

وساعد الدكتور دينغ في شرح كليهما لأول مرة باستخدام تقنيات تعلم الصور الخاصة به، والتي طبقها على سلسلة من الصور ثنائية الأبعاد التي ينتجها المجهر الإلكتروني لنقل المسح الضوئي، وعلى صور الأشعة السينية المتقدمة (الطباعة الطيفية). وقال إن النتائج مهمة لسعة البطارية والاحتفاظ بالطاقة ومعدلها. والأفضل من ذلك، أنه يعتقد أنها قابلة للتعميم على معظم المواد البلورية التي قد تصنع أيضا أقطابا كهربائية جيدة.

وقال الدكتور دينغ: “يمكن أن يساعدنا الذكاء الاصطناعي في فهم هذه العلاقات المادية التي تعد أساسية للتنبؤ بكيفية أداء البطارية الجديدة، ومدى إمكانية الاعتماد عليها في الاستخدام في العالم الحقيقي، وكيف تتحلل المادة بمرور الوقت”.

اتجاهات جديدة

يصف البروفيسور تشويه الدكتور دينغ بأنه “رجل أعمال أكاديمي”، وأنه كيميائي في الخلفية ولكنه علم نفسه الفروق الدقيقة في الذكاء الاصطناعي لمواجهة هذا التحدي. وقال الدكتور دينغ إن النهج هو شكل من أشكال “التعلم العكسي” الذي تعرف فيه النتيجة – الصور الثابتة عالية الدقة لفوسفات حديد الليثيوم المتدهور – ويساعد الذكاء الاصطناعي في إعادة بناء الفيزياء لشرح كيف وصلت بهذه الطريقة. وهذه المعرفة الجديدة، بدورها، تصبح الأساس لتحسين المواد.

وأشار الدكتور دينغ إلى أن الدراسات السابقة غير المتعلقة بالذكاء الاصطناعي قد أضاءت الارتباطات في كيفية تأثير الضغوط الميكانيكية على متانة القطب الكهربائي، ولكن هذا النهج الجديد يوفر طريقة مثيرة والدافع لتطوير فهم أكثر جوهرية للميكانيكا الموجودة.

وبعد ذلك، يقول الباحثون إنهم يعملون بالفعل على جلب تقنياتهم لتوضيح تصاميم البطاريات الجديدة الواعدة على المستوى الذري. وقد تكون إحدى النتائج هي برنامج جديد للتحكم في البطارية يدير الشحن والتفريغ بطرق يمكن أن تحسن عمر البطارية. وطريقة أخرى مثيرة هي تطوير نماذج حسابية أكثر دقة تسمح لمهندسي البطاريات باستكشاف مواد قطب كهربائي بديلة على جهاز كمبيوتر بدلا من المختبر.

وقال البروفيسور تشويه: “هذا العمل جار بالفعل. يمكن أن يساعدنا الذكاء الاصطناعي في النظر إلى المواد القديمة بطرق جديدة وربما تحديد بعض البدائل الواعدة من بعض المواد غير المعروفة حتى الآن”.

*تمت الترجمة بتصرف

المصدر:

https://phys.org/news/2022-02-scientists-combine-ai-atomic-scale-images.html

لمزيد من المعلومات: أندرو مينور، Correlative image learning of chemo-mechanics in phase-transforming solids, Nature Materials(2022).  DOI: 10.1038/s41563-021-01191-0. www.nature.com/articles/s41563-021-01191-0