التكنولوجيا تسرع اكتشاف الجيل القادم من موصلات البطاريات باستخدام الذكاء الاصطناعي وتعلم الآلة

اكتشاف موصلات كهربائية مثالية للجيل القادم من البطاريات باستخدام تقنيات البيانات الضخمة اكتشاف موصلات كهربائية قوية وفعالة هو أحد أكبر العقبات في تصميم الجيل القادم من البطاريات، سواء لمركبات كهربائية أو هواتف ذكية أو أجهزة حاسوب محمولة أو تخزين الطاقة على نطاق الشبكة. هذه الموصلات يجب أن تجمع بين ثلاثة خصائص أساسية: التوصيل الأيوني، الاستقرار الأكسدة، وكفاءة الكولومبي. ومع ذلك، فإن هذه الخصائص غالباً ما تكون في تعارض مع بعضها البعض، مما يجعل العملية بطيئة ومعقدة. الإطار الجديد باستخدام الذكاء الاصطناعي ريتشف كومار، زميل ما بعد الدكتوراه في الذكاء الاصطناعي بالعلوم في جامعة شيكاغو، هو المؤلف الرئيسي لورقة بحثية جديدة نُشرت في مجلة "كيمياء المواد" (Chemistry of Materials). القائمون على البحث استخدموا الذكاء الاصطناعي ومراقبة البيانات لتطوير إطار عمل يهدف إلى تحديد جزيئات تحقق التوازن بين الخصائص الثلاثة المذكورة أعلاه. استخدم الفريق مجموعة بيانات ضخمة تم جمعها من حوالي 250 ورقة بحثية تعود إلى بدايات أبحاث البطاريات الليثيومية. عبر تقنية الذكاء الاصطناعي، قاموا بحساب ما يسمى بـ "eScore" لكل جزيء، وهو مؤشر يجمع بين التوصيل الأيوني، الاستقرار الأكسدة، وكفاءة الكولومبي. هذا الإطار ساعد في تحديد الجزيئات التي تحقق التوازن بين هذه الخصائص الثلاثة. "الجزيء المحترف في خاصية واحدة ليس بالضرورة المolecule المحترف في الخاصية الأخرى"، قال تشيبويز أمانتشوكو، أستاذ الهندسة الجزيئية في جامعة شيكاغو. وقد أثبتت هذه الطريقة فعاليتها من خلال تحديد جزيء جديد يمكنه المنافسة مع أفضل موصلات الكهرباء الموجودة في السوق حالياً، وهو تقدم كبير في مجال أبحاث البطاريات الذي غالباً ما يعتمد على التجربة والخطأ. آراء الخبراء جيفري لوبيز، أستاذ مساعد في الهندسة الكيميائية والبيولوجية في جامعة نورث ويسترن، والذي لم يكن مشاركاً في البحث، أوضح أن "تحسين موصلات الكهرباء هو عملية بطيئة وصعبة، حيث يتجه الباحثون غالباً إلى الاعتماد على التجربة والخطأ لتوازن الخصائص المتنافرة في مزيج من المكونات. هذه الأطر البحثية المستندة إلى البيانات هي ضرورية لتسريع تطوير مواد البطارية الجديدة والاستفادة من التطورات في العلوم المدعومة بالذكاء الاصطناعي وأتمتة المختبرات". الصعوبات والتحديات بدأ الفريق في جمع البيانات التدريبية للذكاء الاصطناعي يدوياً في عام 2020. يحتوي المجموعة الحالية على آلاف الموصلات الكهربائية المحتملة التي تم استخراجها من الأبحاث التي امتدت على مدى 50 عاماً. واحدة من الصعوبات التي واجهها الفريق تتعلق بتصميم الرسومات في الأوراق البحثية. عندما يقوم الباحثون بكتابة أوراقهم وترتيبها في مجلات، فإن الأرقام التي يتم تحويلها إلى eScores غالبًا ما تكون موجودة في الصور، مثل الرسوم البيانية والرسوم التوضيحية، وليس في النص نفسه. معظم النماذج اللغوية الكبيرة التي تتدرب على الأوراق البحثية تقرأ فقط النص، مما يعني أنه سيتعين على الفريق إدخال البيانات يدوياً لبعض الوقت. "حتى النماذج الحديثة تجد صعوبة كبيرة في استخلاص البيانات من الصور"، قال أمانتشوكو. رغم أن مجموعة البيانات ضخمة، إلا أنها ليست إلا الخطوة الأولى. "لا أريد العثور على جزيء كان موجوداً في بيانات التدريب الخاصة بي. بل أريد البحث عن جزيئات في فضاءات كيميائية مختلفة. لذلك اختبرنا مدى دقة هذه النماذج عند رؤيتها لجزيء لم تراه من قبل"، أضاف أمانتشوكو. المستقبل الخطوة التالية في البحث هي تطوير الذكاء الاصطناعي بحيث يمكنه اقتراح قائمة من الجزيئات التي يعتقد أنها ستكون مناسبة. الهدف النهائي هو تطوير ذكاء اصطناعي قادر على تصميم جزيء جديد تماماً يحقق جميع المعايير المحددة. هذا التقدم سيكون له تأثير كبير في تسريع عملية اكتشاف وتطوير موصلات الكهرباء الجديدة للبطاريات. تقييم الحدث من قبل مختصين في المجال يعد هذا البحث خطوة مهمة نحو تحسين كفاءة البطاريات واستقرارها. استخدام الذكاء الاصطناعي في هذا السياق يوفر وقتاً وجهداً كبيرين للResearchers، مما يجعل عملية الاكتشاف أكثر فعالية. هذا التقدم يمكن أن يساهم في تسريع تطوير البطاريات التي تحتاج إليها التقنيات الحديثة، مثل السيارات الكهربائية وتخزين الطاقة على مستوى الشبكات. نبذة تعريفية عن جامعة شيكاغو جامعة شيكاغو هي واحدة من أبرز الجامعات البحثية في العالم، وتتميز ببرامجها في العلوم والهندسة الجزيئية. المدرسة الهندسية الجزيئية بريتزكر (UChicago PME) تركز على تطوير تقنيات جديدة ومبتكرة في مجالات متنوعة، مثل العلاج السرطاني، العلاج المناعي، معالجة المياه، المواد الكمومية وغيرها. هذا البحث يعكس التزام الجامعة بدفع حدود المعرفة والابتكار في مجالات العلوم والتكنولوجيا.