أظهرت دراسة جديدة أجرتها جامعة كورنيل تقدماً مهماً في فهم وتصميم مواد الإلكتروليت المستخدمة في بطاريات الليثيوم أيون، من خلال إدخال إطار ذكاء اصطناعي مبتكر يُعرف بـ"SCAN"، وهو منصة هندسية مدعومة بالذكاء الاصطناعي تعتمد على توجيه ديناميكي وتحليل معمّق للخصائص الكيميائية. نُشرت النتائج في مجلة Nature Computational Science في 19 فبراير 2026، وتمثّل خطوة جوهرية نحو تصميم بطاريات أكثر كفاءة وموثوقية. يتمحور الإطار الجديد حول تحسين أداء الإلكتروليتات غير المائية — وهي مواد سائلة أو شبه صلبة تُستخدم لنقل أيونات الليثيوم داخل البطارية، مما يسمح بزيادة كثافة الطاقة. وبدلاً من التعامل مع مكونات الإلكتروليت (الملح، المذيب، وظروف التشغيل) كمتغيرات متجانسة، يُعالج SCAN كل عنصر على حدة باستخدام وصفات كيميائية ذات معنى، ثم يدمج هذه المعلومات بشكل تكيفي وديناميكي، مما يسمح بفهم أعمق للآليات الكيميائية التي تؤدي إلى توصيلية عالية. على عكس النماذج التقليدية التي تعتمد على تحليل احتمالي دون إيضاح للسبب الكيميائي، يُقدّم SCAN تنبؤات دقيقة مع شفافية في آلية التفكير، ما يُعدّ أمراً حاسماً في مجال المواد المستخدمة في الطاقة. عند تطبيقه على مجموعة كبيرة من البيانات التجريبية، حقق الإطار تقليلًا في خطأ التنبؤ بأكثر من 65% مقارنة بأفضل النماذج الحالية، مع الحفاظ على دقة عالية حتى في حالة مواد ذات توصيلية نادرة، وهي التي تمثل الأمل في تطوير بطاريات الجيل التالي. يؤكد البروفيسور فنغقي يو، من كلية الهندسة بجامعة كورنيل، أن "الكيمياء في البطاريات تتسم بتعقيد عالٍ بسبب التفاعل المتعدد المتغيرات، وفهم هذه التفاعلات ضروري لتصميم معقول وفعّال". وأضاف أن "الإطار الجديد لا يقتصر على التنبؤ، بل يُفسّر أيضًا الأساس الكيميائي وراء الأداء، ما يعزز من موثوقية الأدوات التصميمية وقابلية توسيعها". يُعد هذا العمل جزءاً من مبادرة "AI4S" في جامعة كورنيل، التي تجمع بين باحثين من مختلف التخصصات لتطبيق الذكاء الاصطناعي في تحديات الطاقة والمواد والبيئة. كما يتكامل مع دراسة سابقة نُشرت في Science Advances، تقدّم إطاراً أوسع لدمج الذكاء الاصطناعي في أبحاث البطاريات الصلبة، من خلال دمج التعلم الآلي مع المحاكاة الحاسوبية والبيانات التجريبية. يُشير يو إلى أن "هذين الدراسة يمثلان مزيجاً بين استراتيجية عامة وأداة عملية، ما يعكس جهودنا المنهجية لربط الرؤية الاستراتيجية بالتطبيق العملي في بحوث البطاريات المدعومة بالذكاء الاصطناعي". هذا التقدم لا يُعدّ فقط تطوراً تقنياً، بل يُشكّل نموذجاً جديداً لتطوير أدوات تصميم مواد ذكية، قادرة على التنبؤ والفهم في آن واحد، مما يفتح آفاقاً واسعة لثورة في تقنيات التخزين الطاقي.