4 نقاط ضعف رئيسية، 5 دراسات، 7 شركات، ومقال واحد يشرح ابتكار البحث والتطوير في مجال البطاريات بقيادة الذكاء الاصطناعي

**"في يوليو، وصل معدل انتشار التجزئة المحلي لمركبات الطاقة الجديدة إلى 51.1%، أي قبل 11 عامًا من الموعد المحدد."**هذه هي البيانات التي أصدرها فرع معلومات سوق سيارات الركاب المشترك التابع لرابطة تجار السيارات الصينية في أغسطس من هذا العام. وفي حين يسلط الضوء على زخم النمو القوي لسوق المركبات التي تعمل بالطاقة الجديدة، فإنه يمثل أيضًا معلمًا مهمًا في تحول هيكل الطاقة في هذا المجال.

**والسبب وراء قدرة المركبات التي تعمل بالطاقة الجديدة على احتلال سوق المستهلكين بهذه السرعة، بالإضافة إلى القبول المتزايد في السوق والمدفوع بالسياسات، يرجع في المقام الأول إلى عاملين رئيسيين.**من ناحية أخرى، أدت حرب الأسعار الشرسة التي بدأتها شركة تسلا إلى موجة من تخفيضات الأسعار في الصناعة، واستمر تدفق لا نهاية له من السياسات التفضيلية في تحفيز المبيعات؛ من ناحية أخرى، تم ابتكار تكنولوجيا البطاريات المجهزة في المركبات التي تعمل بالطاقة الجديدة بشكل مستمر، مما يخفف بشكل فعال من قلق المستهلكين بشأن أوقات الشحن الطويلة والتوزيع غير المتكافئ لمحطات الشحن، مما يعزز ثقة المستهلكين في الشراء.

**باعتبارها "قلب" المركبات التي تعمل بالطاقة الجديدة، تلعب بطاريات الطاقة دورًا حاسمًا في تحسين أداء المركبة وتكلفتها وتجربة المستخدم.**على سبيل المثال، فإن إطلاق بطارية الشفرة من BYD لا يحسن بشكل كبير من استخدام المساحة وسلامة حزمة البطارية فحسب، بل لديه أيضًا القدرة على توسيع نطاق المركبات الكهربائية البحتة إلى أكثر من 1000 كيلومتر، وتحقيق أداء نطاق من الدرجة الأولى. ولذلك علق أحد مستخدمي الإنترنت بشكل واضح: "نصف عمر شركات المركبات التي تعمل بالطاقة الجديدة يعتمد على بطاريات الطاقة". لا يكشف هذا التعليق عن الموقع الأساسي للبطاريات في سلسلة صناعة المركبات التي تعمل بالطاقة الجديدة فحسب، بل يوضح أيضًا أهمية الابتكار التكنولوجي لتعزيز القدرة التنافسية في السوق.

ومن الجدير بالذكر أن أهمية تكنولوجيا البطاريات لا تقتصر على مجال المركبات التي تعمل بالطاقة الجديدة. سواء كان الأمر يتعلق بالإلكترونيات الاستهلاكية أو أنظمة تخزين الطاقة واسعة النطاق، فإن البطاريات تشكل دعماً فنياً أساسياً لا غنى عنه.**أصدرت الأكاديمية الصينية للهندسة دراسة "البحث الاستراتيجي لبناء قوة مادية جديدة بحلول عام 2035" والتي أدرجت بوضوح مواد البطاريات كأحد اتجاهات التطوير الرئيسية في مجال مواد الطاقة الجديدة.**وهذا لا يوضح فقط الموقع الاستراتيجي لتكنولوجيا البطاريات في هيكل الطاقة المستقبلي، بل يوفر أيضًا إرشادات مهمة للتحديث الشامل لصناعة الطاقة الجديدة.

وفي الوقت نفسه، أعطى التطور السريع للذكاء الاصطناعي زخماً جديداً للبحث والتطوير فيما يتعلق بالبطاريات الجديدة شديدة الصعوبة.**وقال أويانغ مينغجاو، الأكاديمي في الأكاديمية الصينية للعلوم وأستاذ في جامعة تسينغهوا، في قمة العلوم والاستخبارات 2024 التي عقدت مؤخرًا:**فيما يتعلق بمواد البطاريات، كانت جميع عمليات البحث والتطوير للمواد تعتمد على التجربة والخطأ، مما كان يستهلك الكثير من القوى العاملة، ويستغرق دورة حياة طويلة، ويفتقر إلى الكفاءة. أما الآن، وبفضل الذكاء الاصطناعي، فيمكننا تغيير نموذج البحث والتطوير السابق. حاليًا، حققنا تصميمًا آليًا للمواد كامل العملية، مثل التجارب الآلية، والتوصيف، والمحاكاة، والتحضير، وحققنا ذكاءً كامل العملية، مما حسّن بشكل كبير كفاءة البحث والتطوير للبطاريات الجديدة عالية الصعوبة.

بعد سنوات من العمل الجاد، تم التغلب على نقاط الألم والصعوبات التي واجهتها عمليات البحث والتطوير الخاصة بالبطاريات التقليدية

**يعد البحث والتطوير في مجال البطاريات مشروعًا معقدًا ومنهجيًا، بما في ذلك فحص مواد البطارية وإعداد التركيب واختبار التوصيف وتحسين العملية.**تعتمد عمليات البحث والتطوير التقليدية للبطاريات بشكل أساسي على أسلوب "التجربة والخطأ". وتستغرق دورة البحث والتطوير بأكملها عدة سنوات وتتطلب قدرًا كبيرًا من الاستثمار الرأسمالي. في هذه العملية، تواجه كل مرحلة نقاط ألم وصعوبات فريدة.

خاصة،**في عملية فحص مادة البطارية،**يحتاج الباحثون إلى العثور على أفضل مادة للأقطاب الكهربائية وصيغة الإلكتروليت بناءً على الجدوى التجريبية والفعالية من حيث التكلفة والسلامة. ومع ذلك، هناك العديد من المواد المحتملة للاختيار من بينها لمكونات البطارية مثل القطب الموجب والقطب السالب والإلكتروليت والفاصل. وتحتاج طرق الفحص التقليدية إلى الاعتماد على التجارب للتحقق منها واحدة تلو الأخرى، وهو ما يستهلك الكثير من الوقت والموارد وينطوي على تكاليف عالية للتجربة والخطأ.

**أثناء تركيب وتحضير البطارية،**يحتاج الباحثون إلى التحكم بدقة في ظروف التفاعل في عملية التخليق للحصول على خصائص المواد المثالية. تتضمن ظروف التفاعل هذه درجة الحرارة والضغط والوقت والبيئة وما إلى ذلك. على سبيل المثال، لا تزال البطاريات ذات الحالة الصلبة تواجه تحديات كبيرة في تركيبها، مثل ضعف استقرار الهواء للكبريتيدات والاستقرار الكيميائي والكهربائي للواجهة بين القطب الكهربائي والإلكتروليت. وتحد هذه التحديات من تطبيقها على نطاق واسع في البطاريات ذات الحالة الصلبة وتضع متطلبات أعلى على عملية التركيب والتحضير.

عنوان الورقة: https://wulixb.iphy.ac.cn/article/doi/10.7498/aps.69.20201581

**أثناء اختبار التوصيف،**ويحتاج الباحثون إلى اختبار وتحليل الخصائص الرئيسية لمواد البطارية، مثل البنية البلورية والأداء الكهروكيميائي والاستقرار الحراري. ومع ذلك، فإن المؤشرات الأساسية لأداء البطارية (مثل عمر الدورة، وكثافة الطاقة، وما إلى ذلك) عادة ما تحتاج إلى تقييم من خلال اختبارات طويلة الأجل، وتؤدي دورة الاختبار هذه إلى تأخير كبير في تقدم البحث والتطوير.

**خلال مرحلة تحسين العملية،**إن تحسين المعلمات المتعددة مثل الطلاء والتجفيف والضغط هي مشكلة معقدة للغاية ومتعددة المتغيرات. إن الأداء المثالي الذي يتم الحصول عليه في الأبحاث والتطوير المختبرية على نطاق صغير غالبا ما يكون من الصعب إعادة إنتاجه في الإنتاج الصناعي.

باختصار، في طرق البحث والتطوير التقليدية للبطاريات، بدءًا من فحص المواد وحتى تحسين العملية، تواجه كل مرحلة تحديات معقدة. ستحتاج أبحاث وتطوير البطاريات في المستقبل إلى تقديم المزيد من أساليب التصميم المعتمدة على البيانات، وتقنيات التوليف والاختبار عالية الإنتاجية، وطرق التصنيع الذكية لكسر عنق الزجاجة في الأبحاث والتطوير التقليدية بشكل أساسي. وفي هذه العملية، سوف يلعب الذكاء الاصطناعي دورًا حيويًا.

الذكاء الاصطناعي للعلوم يفتح آفاقًا جديدة للبحث والتطوير في مجال البطاريات

على الرغم من أن البحث والتطوير لتقنيات البطاريات الجديدة المتمثلة في بطاريات الحالة الصلبة لا يزال يواجه العديد من التحديات، إلا أنه مع تطوير نموذج الذكاء الاصطناعي للعلوم (AI4S)، بدأت المزيد والمزيد من الجامعات ومعاهد الأبحاث في استكشاف تنفيذ التقنيات المتعلقة بالذكاء الاصطناعي حول البحث والتطوير في مجال البطاريات.

خاصة،**أولاً، يمكن للذكاء الاصطناعي تسريع عملية فحص واكتشاف مواد البطاريات.**تتضمن عملية البحث والتطوير لمواد البطاريات آلاف التركيبات الكيميائية، ولكن الوقت والموارد اللازمة للتحقق التجريبي محدودة. يتيح تطبيق الذكاء الاصطناعي في الحوسبة عالية الإنتاجية والتعلم الآلي للباحثين فحص المواد المحتملة عالية الأداء بسرعة من خلال المحاكاة والتنبؤ. على سبيل المثال، استخدمت مايكروسوفت ومختبر PNNL تقنية الذكاء الاصطناعي لفحص 32 مليون مادة محتملة للبطاريات، وضيقت القائمة إلى 23 مادة في 80 ساعة، وكانت خمسة منها مواد معروفة. ويقول الفريق إنه إذا تم استخدام الطرق التقليدية للحصول على هذه المواد فإن العملية ستستغرق أكثر من 20 عاما.

نُشر البحث ذو الصلة على موقع arXiv تحت عنوان "تسريع اكتشاف المواد الحسابية باستخدام الذكاء الاصطناعي والحوسبة السحابية عالية الأداء: من الفحص واسع النطاق إلى التحقق التجريبي".
عنوان الورقة: https://arxiv.org/pdf/2401.04070

**ثانياً، يعمل الذكاء الاصطناعي أيضاً بشكل جيد في عملية تركيب وتحضير البطاريات.**على وجه التحديد، تعد مشكلات الواجهة هي العائق الرئيسي أمام أداء البطارية. على سبيل المثال، يحدد استقرار الواجهة بين أنود معدن الليثيوم والإلكتروليت بشكل مباشر سلامة البطارية وعمرها. تجعل التجارب التقليدية من الصعب فهم التفاعلات المعقدة على الواجهة بشكل كامل، ولكن نماذج الذكاء الاصطناعي يمكنها الجمع بين محاكاة الديناميكيات الجزيئية والبيانات التجريبية للتنبؤ بمسارات التفاعل على الواجهة وتصميم مواد إلكتروليتية أفضل. على سبيل المثال، استخدم باحثون من جامعة جنوب الصين للتكنولوجيا نماذج الذكاء الاصطناعي لنمذجة التفاعلات البينية لبطاريات الليثيوم أيون، مع التركيز على تحسين مكونات البطارية وتوفير التوجيه لتطوير مواد إلكتروليتية أكثر استقرارًا.

نُشر البحث ذو الصلة في مجلة كيمياء المواد تحت عنوان "رؤى حول تفاعل الواجهة بين الإلكتروليت و Li (2) MnO (3) من محاكاة ديناميكيات الجزيئات الأولية".
عنوان الورقة: https://pubs.rsc.org/en/content/articlelanding/2024/ta/d4ta04598j

**أثناء اختبار توصيف البطارية، أظهر الذكاء الاصطناعي أيضًا أداءً جيدًا في التنبؤ بعمر البطارية.**على سبيل المثال، يستخدم الباحثون في معهد ماساتشوستس للتكنولوجيا، وجامعة ستانفورد، ومعهد تويوتا للأبحاث (TRI) الذكاء الاصطناعي للتنبؤ بعمر البطارية. تستطيع خوارزمية الذكاء الاصطناعي التي طورها الفريق تحديد عمر البطارية بناءً على دورات الشحن والتفريغ الخمس للبطارية، بدقة تصل إلى 95%. الخطأ بين القيمة المتوقعة وقيمة عمر البطارية الفعلية هو في حدود 9%. ومن الجدير بالذكر أن هذه المجموعة من البيانات مفتوحة المصدر وهي أكبر مجموعة بيانات من نوعها.

نُشر البحث ذو الصلة في مجلة Nature تحت عنوان "التنبؤ بعمر دورة البطارية قبل تدهور السعة بناءً على البيانات".
عنوان الورقة: https://www.nature.com/articles/s41560-019-0356-8

منذ فترة ليست طويلة، حقق معهد داليان للفيزياء الكيميائية التابع للأكاديمية الصينية للعلوم وجامعة شيآن جياوتونغ تقدماً جديداً في مجال إدارة صحة البطارية. قام الباحثون بتطوير نموذج جديد للتعلم العميق يحل بشكل فعال اعتماد الطريقة التقليدية على كميات كبيرة من بيانات اختبار الشحن، ويوفر أفكارًا جديدة للتنبؤ بعمر البطارية في الوقت الفعلي، ويحقق تقييمًا شاملاً لعمر بطارية الليثيوم. في الوقت نفسه، يعد هذا النموذج أيضًا جزءًا مهمًا من النموذج الأساسي للجيل الأول من الدماغ الرقمي للبطارية PBSRD Digit، مما يوفر حلاً لإدارة البطارية الذكية.

نُشر البحث ذو الصلة في مجلة IEEE Transactions on Transportation Electrification تحت عنوان "التنبؤ بعمر بطاريات الليثيوم أيون المدعومة بالتعلم العميق استنادًا إلى كميات صغيرة من دورات الشحن".
عنوان الورقة: https://ieeexplore.ieee.org/document/10613834

**علاوة على ذلك، يُظهر الذكاء الاصطناعي أيضًا إمكانات كبيرة في تحسين عملية إنتاج مواد البطاريات.**إذا أخذنا البطاريات ذات الحالة الصلبة كمثال، فإن تصنيعها يتطلب متطلبات صارمة فيما يتعلق بالبنية الدقيقة للإلكتروليت. يمكن لتقنية الذكاء الاصطناعي تحليل المعلمات في عملية تحضير المواد، مثل درجة الحرارة والضغط، من خلال الرؤية الحاسوبية وخوارزميات التحسين، وبالتالي تحسين اتساق الإنتاج وخفض تكاليف التصنيع. على سبيل المثال، أظهرت دراسة أجرتها جامعة جول فيرن في بيكاردي في فرنسا والعديد من المؤسسات الأخرى كيفية مراقبة وتحسين عملية تصنيع الأقطاب الكهربائية من خلال تكنولوجيا التعلم الآلي. وتتيح هذه الطريقة إجراء تعديلات في الوقت الفعلي على معلمات تصنيع البطاريات، مما يقلل بشكل كبير من النفايات ويحسن اتساق المنتج.

نُشر البحث ذو الصلة في مجلة Science تحت عنوان "نحو خلايا بطارية عالية الأداء للطاقة والقوة مع تحسين تصنيع الأقطاب الكهربائية القائم على التعلم الآلي".

عنوان الورقة: https://www.sciencedirect.com/science/article/pii/S037877532301050

يمكننا أن نتوقع أنه في ظل نموذج الذكاء الاصطناعي للعلوم، فإن مجال مواد البطاريات أصبح على أعتاب ثورة تكنولوجية جديدة. إن تطبيق الذكاء الاصطناعي لا يجلب أفكارًا وأدوات جديدة إلى البحث والتطوير لمواد البطاريات فحسب، بل يعيد أيضًا تشكيل مسار تطوير تكنولوجيا البطاريات بالكامل.

الذكاء الاصطناعي يسرع وتيرة تصنيع البطاريات الجديدة

إن صناعة البطاريات تقف الآن على قمة موجة من الابتكار التكنولوجي، ولا شك أن الذكاء الاصطناعي هو القوة الدافعة الأساسية التي تقود هذه النهضة التكنولوجية. إن التطبيق المتعمق لتكنولوجيا الذكاء الاصطناعي لم يؤدي إلى ظهور نظريات متطورة في علم البطاريات في مجال البحث الأكاديمي فحسب، بل أظهر أيضًا قيمة عملية قوية في الصناعة، مما يوفر زخمًا جديدًا لتسويق تكنولوجيا البطاريات وإنتاجها على نطاق واسع وتحسين أدائها.

**وفي السوق الدولية، تولت العديد من الشركات زمام المبادرة في نشر أبحاث وتطوير البطاريات المعتمدة على الذكاء الاصطناعي.**تستخدم شركة تسلا الذكاء الاصطناعي لتحسين نظام إدارة البطارية (BMS)، وتستخدم تقنيات التعلم العميق والتعلم الآلي للتنبؤ بحالة صحة البطارية وعمرها الافتراضي، وتستخدم أساليب تعتمد على البيانات لتحسين الشحن الفائق وإدارة الطاقة.

قامت شركة LG Energy Solution، الشركة الكورية الجنوبية المصنعة للبطاريات، بتطوير منصة الذكاء الاصطناعي التي تركز على التنبؤ بشيخوخة البطارية وأوضاع الفشل وتحسين إدارة الطاقة، مع توفير إمكانيات التنبؤ والتحسين الديناميكية لأنظمة تخزين الطاقة (ESS).

وأعلنت شركة SES AI المتخصصة في تصنيع بطاريات الليثيوم المعدنية أنها ستتعاون مع شركات التكنولوجيا NVIDIA وCrusoe وSupermicro لتسريع البحث والتطوير لمواد البطاريات الجديدة. وتخطط الشركة لاستخدام أجهزة كمبيوتر عملاقة عالية الأداء مُحسّنة للذكاء الاصطناعي لرسم قاعدة بيانات للجزيئات الصغيرة، وبالتالي تعزيز فهم أنظمة الكيمياء في البطاريات وتسريع تطوير حلول تخزين الطاقة.

وبالإضافة إلى ذلك، أعلنت NVIDIA مؤخرًا أن مشروع ALCHEMI NIM يستخدم تقنية الذكاء الاصطناعي لتسريع تطوير مواد الطاقة المستدامة مثل بطاريات المركبات الكهربائية والألواح الشمسية. تستطيع هذه المشاريع محاكاة وتوقع الخصائص الكهروكيميائية للمواد بكفاءة، وهو ما لا يؤدي فقط إلى تقصير دورة البحث والتطوير للمواد الجديدة، بل يقلل التكاليف بشكل كبير أيضًا، مما يوفر الدعم الفني للتحول العالمي في مجال الطاقة.

**وبالعودة إلى السوق المحلية، فإن البحث والتطوير والابتكار التكنولوجي في مجال البطاريات بين مختلف الشركات يظهر أيضًا اتجاهًا بين مائة مدرسة فكرية متنافسة.**باعتبارها شركة رائدة في صناعة بطاريات الطاقة العالمية، تطبق CATL بشكل نشط تقنية الذكاء الاصطناعي في نمذجة وتحسين كيمياء البطاريات وأداء المواد، مع التركيز على البحث والتطوير للبطاريات ذات الكثافة العالية للطاقة. في ديسمبر 2023، أعلنت CATL أنها ستنشئ مركزًا دوليًا للبحث والتطوير في هونج كونج يركز على الذكاء الاصطناعي للعلوم. كما ذكر Zeng Yuqun، رئيس CATL، في مناسبات عديدة علنًا في العام الماضي الحاجة إلى تسريع إدخال الذكاء الاصطناعي، وخاصة في مجال ابتكار أنظمة مواد البطاريات.

بالإضافة إلى ذلك، تولت شركة Honeycomb Energy (SVOLT) زمام المبادرة في بناء أول مصنع لبطاريات الطاقة الذكية المعتمدة على الذكاء الاصطناعي في صناعة السيارات في جينتان، جيانغسو، باستخدام الذكاء الاصطناعي لإدارة عملية البطارية بأكملها وإطلاق سلسلة من منتجات البطاريات عالية الأداء، مما أدى إلى تسريع كبير في تطبيق بطاريات الطاقة الجديدة على نطاق واسع.

وفي الوقت نفسه، ظهرت في السوق الأجنبية عدد من الشركات الناشئة في مجال مواد البطاريات المعتمدة على الذكاء الاصطناعي، مثل QuantumScape وInobat Auto وMitra Chem وAionics وغيرها، بهدف إدخال الذكاء الاصطناعي في مجال تطوير البطاريات. ومن بين هذه الشركات، وصفت بعض الأسماء الكبيرة في صناعة تكنولوجيا البطاريات شركة ميترا كيم بأنها "شركة مبتكرة في مجال مواد البطاريات، مدفوعة بتكنولوجيا الذكاء الاصطناعي، ومقرها في وادي السيليكون".

كما ظهرت في السوق الصينية عدد من شركات الذكاء الاصطناعي للطاقة الجديدة، مثل شركة Shengke Energy، وهي شركة احتضنها فريق الأكاديمي أويانغ مينغغاو، والتي أصدرت أول نموذج كبير للذكاء الاصطناعي للبطارية في العالم PERB2.0. يتمتع هذا النموذج بالقدرة على معالجة وتحليل كميات هائلة من بيانات البطارية، ويلعب دورًا رئيسيًا في تصميم البطارية وتحسين الأداء واتخاذ القرارات الذكية.

باختصار، سواء كان الأمر يتعلق بالسوق الدولية أو الشركات المحلية، سواء كانت شركات رائدة أو شركات ناشئة، فإنهم يتبنون الذكاء الاصطناعي بشكل نشط في مجال البحث والتطوير في مجال البطاريات.

الكلمات الأخيرة

بالنظر إلى الوضع الحالي، من اكتشاف المواد إلى تحسين التصنيع، ومن التنبؤ بالأداء إلى إدارة دورة الحياة الكاملة، فإن تقنية الذكاء الاصطناعي تعمل على تمكين كل رابط من روابط البحث والتطوير في مجال البطاريات بشكل كامل، مما يعطي زخمًا قويًا لصناعة الطاقة الجديدة. ومن خلال التكامل العميق لنتائج البحث العلمي مع الممارسات الصناعية، لا يعمل الذكاء الاصطناعي على تسريع التكرار التكنولوجي فحسب، بل يعزز أيضًا التطبيق واسع النطاق لتكنولوجيا البطاريات وخفض التكاليف.

ومع ذلك، فإن تطوير كل شيء هو عملية متعرجة، ولا يمكن تحقيق التكامل العميق بين الذكاء الاصطناعي وأبحاث البطاريات وتطويرها بين عشية وضحاها.وكما قال Zeng Yuqun، رئيس CATL، "إن AI4S (لأبحاث وتطوير مواد البطاريات) لا تحتوي حاليًا على نماذج أو هياكل أو خوارزميات جيدة بشكل خاص، وما زال أمامها طريق طويل لنقطعه".

مراجع:

1.http://finance.people.com.cn/n1/2024/0812/c1004-40297368.html
2.https://www.auto-made.com/news/show-16443.html
3.https://www.engineering.org.cn/sscae/CN/article/downloadArticleFile.do?attachType=PDF&id=28528
4.https://esst.cip.com.cn/CN/10.19799/j.cnki.2095-4239.2024.0698
5.http://www.xinhuanet.com/science/20241121/6c8a64232e464ee886b8dc4c732f81fd/c.html
6.https://developer.nvidia.com/zh-cn/blog/revolutionizing-ai-driven-material-discovery-using-nvidia-alchemi/
7.http://www.dicp.cas.cn/xwdt/mtcf/202410/t20241022_7405757.html
8.https://www.cas.cn/syky/202411/t20241120_5040077.shtml

9.https://www.sciencedirect.com/scien