Ana Sayfa AI Yapay zekayla hızlı ve güvenli batarya inovasyonu

Yapay zekayla hızlı ve güvenli batarya inovasyonu

Yazar

May 15, 2025 @ 3:14 Değiştirilme tarihi: May 15, 2025 @ 3:42

Japon bilim insanları, deney gerektirmeden en iyi katı hal elektrolitlerini belirleyen bir yapay zeka çerçevesi geliştirdi. Bu yeni yöntem, sürdürülebilir enerji teknolojilerinde büyük bir atılım olarak değerlendiriliyor.

İklim krizinin etkilerini azaltmak amacıyla temiz enerji kaynaklarına yönelen dünya, özellikle elektrikli araçlar ve enerji depolama çözümleri için güvenli ve verimli batarya teknolojilerine ihtiyaç duyuyor. Katı hal bataryaları bu alanda büyük umut vadetse de, üretimlerinde kullanılan katı hal elektrolitleri (solid-state electrolyte – SSE) üzerinde yürütülen araştırmalar hala ağırlıklı olarak deneme-yanılma yöntemine dayanıyor. Bu da zaman ve kaynak açısından büyük bir yük yaratıyor.

Deney gerektirmeyen veri odaklı yapay zeka platformu

Japonya’daki Tohoku Üniversitesi’nden bilim insanları, SSE geliştirme sürecine yeni bir soluk getiren, veri odaklı bir yapay zeka platformu geliştirdi. Bu sistem, deneysel çalışmaların ötesine geçerek, büyük veri kümeleri üzerinden analiz yapabiliyor ve hangi malzemelerin en uygun adaylar olduğunu, yüksek doğrulukla öngörebiliyor.

Geliştirilen çerçeve; büyük dil modelleri (LLM), MetaD (iyon göç yollarını simüle eden gelişmiş bir hesaplama yöntemi), çoklu doğrusal regresyon, genetik algoritma ve deney-teori eşleştirme gibi ileri düzey teknikleri bir araya getiriyor. Araştırmanın başındaki Profesör Hao Li, “Model, binlerce geçmiş veriyi tarayarak bizim için en güçlü adayları önceden belirliyor. Böylece deneme-yanılma süreci otomatikleşmiş oluyor” diyor.

Japon bilim insanları yapay zeka ile katı hal bataryalarında yüksek iletkenlik sağlayan yeni elektrolitleri deney yapmadan öngörmeyi başardı

Nötr moleküllerle sağlanan iki aşamalı iyon göçü mekanizması

Araştırmada, özellikle kompleks yapıdaki hidrür elektrolitlere odaklanıldı. Bu bileşikler, hem yüksek iyon iletkenliği hem de yapısal stabilite vaat etmesine rağmen, çift değerlikli iyonların göçü gibi karmaşık süreçler nedeniyle çözülmesi zor sistemlerdi. Yapay zeka destekli analiz, nötr moleküllerin dahil edilmesiyle ortaya çıkan özgün bir “iki aşamalı iyon göçü” mekanizmasını ortaya çıkardı. Bu, hem tek değerlikli hem de çift değerlikli sistemlerde iyon hareketini anlamak açısından önemli bir dönüm noktası. Öyle ki bazı bileşiklerde öngörülen aktivasyon enerjisi yalnızca 0.62 eV düzeyine kadar düşebiliyor, bu da iyon iletkenliği açısından büyük bir avantaj sağlıyor.

Aktivasyon enerjisi öngörüsü ve kristal yapı kararlılığı için bütünleşik modelleme

Modelin sunduğu bir diğer avantaj ise, iyonların malzeme içindeki hareketini belirleyen temel parametre olan aktivasyon enerjisini önceden tahmin edebilmesi. Ayrıca sistem, kararlı kristal yapıları belirleme ve yeni bileşiklerin sentezlenebilirliğini analiz etme konusunda da etkili.

MetaD tabanlı hesaplamaların deneysel verilerle yüksek uyum göstermesi, yöntemin pratik geçerliliğini ortaya koyuyor. Yapay zeka tarafından üretilen modeller, deneysel doğrulama yapılmadan bile yeni aday yapıları başarıyla öngörebiliyor.

Çerçeve farklı elektrolit türlerine de uyarlanabiliyor

Araştırmacılar, geliştirdikleri bu çerçevenin yalnızca hidrür bazlı değil, diğer elektrolit ailelerine de uygulanabileceğini belirtiyor. Gelecekte, üretken yapay zeka araçlarının da sürece dahil edilerek iyon göç yolları ve reaksiyon mekanizmalarının daha ayrıntılı incelenmesi hedefleniyor.

Bu çalışmanın temelini oluşturan Katı Hal Elektrolit Dinamik Veritabanı (DDSE), bugüne kadar yayımlanmış en kapsamlı SSE veri seti olma özelliğini taşıyor. Veritabanında 2556 deneysel malzeme, 18.635 iletkenlik ölçümü ve 657 hesaplamalı veri yer alıyor. Bu da araştırmacılara güçlü bir bilgi altyapısı sağlıyor.

Yapay zeka destekli yaklaşım, batarya Ar-Ge süreçlerine hız kazandırabilir

Yapay zeka destekli bu yaklaşım, geleceğin katı hal bataryalarının daha güvenli, verimli ve ekonomik şekilde geliştirilmesini mümkün kılabilir. Hem teorik hem de deneysel yaklaşımları birleştiren bu sistem, sadece daha iyi batarya malzemelerinin değil, aynı zamanda daha hızlı Ar-Ge süreçlerinin de önünü açıyor. Bu tür teknolojiler, gelecekte elektrikli araçların menzilini artırmak ve batarya üretim maliyetlerini düşürmek için kilit rol oynayabilir.

Kaynak: Wang, Q. et al. (2025). Unraveling the Complexity of Divalent Hydride Electrolytes in Solid-State Batteries via a Data-Driven Framework with Large Language Model, Angew. Chem. Int. Ed., 17 Nisan 2025.