4 Große Schwachstellen, 5 Studien, 7 Unternehmen – Ein Artikel Erklärt KI-gestützte Batterie-F&E-Innovationen
„Im Juli erreichte die inländische Einzelhandelsdurchdringungsrate von Fahrzeugen mit neuer Energie 51,11 TP3T, 11 Jahre früher als geplant.“Dies sind die Daten, die im August dieses Jahres von der Passenger Car Market Information Joint Branch der China Automobile Dealers Association veröffentlicht wurden. Dies unterstreicht nicht nur die starke Wachstumsdynamik des Marktes für Fahrzeuge mit alternativer Energie, sondern stellt auch einen wichtigen Meilenstein bei der Umgestaltung der Energiestruktur in diesem Bereich dar.
Dass Fahrzeuge mit alternativer Antriebstechnologie den Verbrauchermarkt so schnell erobern konnten, ist neben der politisch motivierten und gestiegenen Marktakzeptanz vor allem auf zwei Schlüsselfaktoren zurückzuführen.Einerseits hat der von Tesla initiierte heftige Preiskampf zu einer Welle von Preissenkungen in der Branche geführt, und ein endloser Strom von Vorzugspolitiken hat den Umsatz weiter angekurbelt; Andererseits wurde die Batterietechnologie in Fahrzeugen mit alternativer Energie kontinuierlich weiterentwickelt, wodurch die Sorgen der Verbraucher hinsichtlich langer Ladezeiten und ungleichmäßiger Verteilung der Ladestationen hinsichtlich der Kilometerleistung effektiv gelindert und das Kaufvertrauen der Verbraucher weiter gestärkt wurde.
Als „Herzstück“ von Fahrzeugen mit neuer Energie sind Antriebsbatterien von entscheidender Bedeutung für die Verbesserung der Fahrzeugleistung, der Kosten und des Benutzererlebnisses.So verbessert beispielsweise die Einführung der Blade-Batterie von BYD nicht nur die Raumausnutzung und Sicherheit des Batteriepakets erheblich, sondern birgt auch das Potenzial, die Reichweite reiner Elektrofahrzeuge auf über 1.000 Kilometer zu erhöhen und so eine Reichweitenleistung der Spitzenklasse zu erreichen. Ein Internetnutzer kommentierte dies eindringlich: „Die Hälfte der Lebensdauer von Unternehmen, die mit alternativen Antrieben fahren, wird durch die Antriebsbatterien gewährleistet.“ Dieser Kommentar verdeutlicht nicht nur die zentrale Stellung der Batterien in der Industriekette für Fahrzeuge mit alternativer Antriebstechnologie, sondern unterstreicht auch die Bedeutung technologischer Innovationen für die Wettbewerbsfähigkeit auf dem Markt.
Es ist erwähnenswert, dass die Bedeutung der Batterietechnologie nicht auf den Bereich der mit alternativen Antrieben betriebenen Fahrzeuge beschränkt ist. Ob Unterhaltungselektronik oder groß angelegte Energiespeichersysteme: Batterien sind ein unverzichtbarer technischer Schlüssel.In der von der Chinesischen Akademie der Ingenieurwissenschaften veröffentlichten „Strategischen Forschung zum Aufbau eines neuen Materialkraftwerks bis 2035“ werden Batteriematerialien eindeutig als eine wichtige Entwicklungsrichtung im Bereich neuer Energiematerialien aufgeführt.Dies verdeutlicht nicht nur die strategische Bedeutung der Batterietechnologie in der zukünftigen Energiestruktur, sondern liefert auch wichtige Leitlinien für die umfassende Modernisierung der neuen Energiebranche.
Gleichzeitig hat die rasante Entwicklung der künstlichen Intelligenz der Forschung und Entwicklung hochkomplexer neuer Batterien neuen Schwung verliehen.Ouyang Minggao, Mitglied der Chinesischen Akademie der Wissenschaften und Professor an der Tsinghua-Universität, sagte auf dem kürzlich abgehaltenen Wissenschafts- und Geheimdienstgipfel 2024:„Früher basierte die gesamte Materialforschung und -entwicklung im Bereich Batteriematerialien auf Versuch und Irrtum, was viel Personal in Anspruch nahm, lange Zyklen hatte und ineffizient war. Mit künstlicher Intelligenz können wir nun dieses bisherige Forschungs- und Entwicklungsparadigma ändern. Wir verfügen mittlerweile über ein vollautomatisches Materialdesign mit automatisierten Experimenten, Charakterisierung, Simulation und Vorbereitung sowie über eine umfassende Prozessintelligenz, die die Forschungs- und Entwicklungseffizienz für hochkomplexe neue Batterien erheblich verbessert hat.“
Nach Jahren harter Arbeit sind die Schwachstellen und Schwierigkeiten der traditionellen Batterieforschung und -entwicklung
Die Forschung und Entwicklung von Batterien ist ein komplexes und systematisches Projekt, das die Prüfung von Batteriematerialien, die Vorbereitung der Synthese, Charakterisierungstests und Prozessoptimierung umfasst.In der traditionellen Batterieforschung und -entwicklung wird hauptsächlich die Methode „Versuch und Irrtum“ verwendet. Der gesamte Forschungs- und Entwicklungszyklus erstreckt sich über mehrere Jahre und erfordert hohe Kapitalinvestitionen. In diesem Prozess ist jede Phase mit einzigartigen Schwachstellen und Schwierigkeiten verbunden.
Speziell,Im Rahmen der BatteriematerialprüfungDie Forscher müssen das beste Elektrodenmaterial und die beste Elektrolytformel auf der Grundlage experimenteller Machbarkeit, Kosteneffizienz und Sicherheit finden. Für Batteriekomponenten wie die positive Elektrode, die negative Elektrode, den Elektrolyten und den Separator stehen jedoch zahlreiche potenzielle Materialien zur Auswahl. Herkömmliche Screening-Methoden müssen sich auf Experimente stützen, um sie einzeln zu verifizieren, was viel Zeit und Ressourcen verbraucht und hohe Trial-and-Error-Kosten verursacht.
Während des BatteriesyntheseprozessesUm ideale Materialeigenschaften zu erzielen, müssen Forscher die Reaktionsbedingungen der Synthese präzise kontrollieren. Zu diesen Reaktionsbedingungen zählen Temperatur, Druck, Zeit, Umgebung usw. So sind beispielsweise bei der Synthese von Festkörperbatterien noch immer große Herausforderungen zu bewältigen, wie etwa die mangelnde Luftstabilität der Sulfide und die chemische und elektrochemische Stabilität der Elektroden-/Elektrolyt-Grenzfläche. Diese Herausforderungen begrenzen die großflächige Anwendung in Festkörperbatterien und stellen höhere Anforderungen an den Synthese- und Herstellungsprozess.
Papieradresse:
https://wulixb.iphy.ac.cn/article/doi/10.7498/aps.69.20201581
Während des CharakterisierungstestsForscher müssen wichtige Eigenschaften von Batteriematerialien wie Kristallstruktur, elektrochemische Leistung und thermische Stabilität testen und analysieren. Allerdings müssen Kernindikatoren der Batterieleistung (wie etwa Zyklenlebensdauer, Energiedichte usw.) normalerweise durch Langzeittests ermittelt werden, und dieser Testzyklus verzögert den Forschungs- und Entwicklungsfortschritt erheblich.
Während der ProzessoptimierungsphaseDie Optimierung mehrerer Parameter wie Beschichtung, Trocknung und Verdichtung ist ein hochkomplexes multivariables Problem. Die optimale Leistung, die in der Forschung und Entwicklung im kleinen Labor erreicht wird, lässt sich in der industriellen Produktion oft nur schwer reproduzieren.
Zusammenfassend lässt sich sagen, dass bei herkömmlichen Methoden der Batterieforschung und -entwicklung jede Phase, vom Materialscreening bis zur Prozessoptimierung, mit komplexen Herausforderungen verbunden ist. Um den Engpass der traditionellen Forschung und Entwicklung grundlegend zu überwinden, müssen in der zukünftigen Batterieforschung und -entwicklung mehr datengesteuerte Designmethoden, Hochdurchsatz-Synthese- und Testtechnologien sowie intelligente Fertigungsmethoden zum Einsatz kommen. In diesem Prozess wird KI eine entscheidende Rolle spielen.
KI für die Wissenschaft erschließt neue Ideen für die Batterieforschung und -entwicklung
Obwohl die Forschung und Entwicklung neuer Batterietechnologien, die durch Festkörperbatterien repräsentiert werden, noch immer mit vielen Herausforderungen konfrontiert ist, haben mit der Entwicklung des AI for Science (AI4S)-Paradigmas immer mehr Universitäten und Forschungsinstitute begonnen, die Implementierung von KI-bezogenen Technologien rund um die Batterieforschung und -entwicklung zu untersuchen.
Speziell,Erstens kann KI die Prüfung und Entdeckung von Batteriematerialien beschleunigen.Bei der Forschung und Entwicklung von Batteriematerialien kommen Tausende chemischer Kombinationen zum Einsatz, doch die Zeit und die Ressourcen für die experimentelle Überprüfung sind begrenzt. Die Anwendung von KI im Hochdurchsatzrechnen und maschinellen Lernen ermöglicht es Forschern, potenzielle Hochleistungsmaterialien durch Simulation und Vorhersage schnell zu prüfen. Beispielsweise nutzten Microsoft und PNNL KI-Technologie, um 32 Millionen potenzielle Batteriematerialien zu prüfen und die Liste innerhalb von 80 Stunden auf 23 Materialien zu reduzieren, von denen fünf bekannte Materialien waren. Das Team gibt an, dass der Prozess mehr als 20 Jahre dauern würde, wenn man zur Gewinnung dieser Materialien herkömmliche Methoden verwenden würde.
Die entsprechende Forschungsarbeit wurde auf der Preprint-Website arXiv unter dem Titel „Accelerating computational materials discovery with artificial intelligence and cloud high-performance computing: from large-scale screening to experimental validation“ veröffentlicht.
Papieradresse:
https://arxiv.org/pdf/2401.04070
Zweitens leistet KI auch im Synthese- und Herstellungsprozess von Batterien gute Dienste.Insbesondere Schnittstellenprobleme sind der größte Engpass bei der Akkuleistung. Beispielsweise bestimmt die Grenzflächenstabilität zwischen der Lithiummetallanode und dem Elektrolyt direkt die Sicherheit und Lebensdauer der Batterie. Herkömmliche Experimente erschweren das vollständige Verständnis der komplexen Reaktionen an der Grenzfläche. KI-Modelle können jedoch Molekulardynamiksimulationen und experimentelle Daten kombinieren, um Reaktionspfade an der Grenzfläche vorherzusagen und bessere Elektrolytmaterialien zu entwickeln. Forscher der South China University of Technology nutzten beispielsweise KI-Modelle, um die Grenzflächenreaktionen von Lithium-Ionen-Batterien zu modellieren. Dabei konzentrierten sie sich auf die Optimierung der Batteriekomponenten und die Orientierung bei der Entwicklung stabilerer Elektrolytmaterialien.
Die entsprechende Forschung wurde im Journal of Materials Chemistry unter dem Titel „Insights into the interface reaction between electrolyte and Li(2)MnO(3) from ab initio molecular dynamics simulations“ veröffentlicht.
Papieradresse:
https://pubs.rsc.org/en/content/articlelanding/2024/ta/d4ta04598j
Auch bei der Vorhersage der Batterielebensdauer schnitt die KI bei den Batteriecharakteristiktests gut ab.Beispielsweise nutzen Forscher am MIT, der Stanford University und dem Toyota Research Institute (TRI) KI, um die Batterielebensdauer vorherzusagen. Der vom Team entwickelte KI-Algorithmus kann die Batterielebensdauer basierend auf den 5 Lade- und Entladezyklen der Batterie mit einer Genauigkeit von bis zu 95% bestimmen. Der Fehler zwischen dem vorhergesagten Wert und der tatsächlichen Batterielebensdauer liegt innerhalb von 9%. Es ist erwähnenswert, dass dieser Datensatz Open Source ist und der größte Datensatz seiner Art ist.
Die entsprechende Forschungsarbeit wurde in Nature unter dem Titel „Data-driven prediction of battery cycle life before capacity degradation“ veröffentlicht.
Papieradresse:
https://www.nature.com/articles/s41560-019-0356-8
Vor nicht allzu langer Zeit erzielten das Dalian Institute of Chemical Physics der Chinesischen Akademie der Wissenschaften und die Xi'an Jiaotong University neue Fortschritte auf dem Gebiet des Batterie-Gesundheitsmanagements. Die Forscher entwickelten ein neues Deep-Learning-Modell, das die Abhängigkeit der herkömmlichen Methode von großen Mengen an Ladetestdaten effektiv löst, neue Ideen für die Echtzeitvorhersage der Batterielebensdauer liefert und eine End-to-End-Bewertung der Lebensdauer von Lithiumbatterien ermöglicht. Gleichzeitig ist dieses Modell auch ein wichtiger Bestandteil des Kernmodells des batteriebetriebenen Digitalhirns PBSRD Digit der ersten Generation und bietet eine Lösung für intelligentes Batteriemanagement.
Die entsprechende Forschungsarbeit wurde in IEEE Transactions on Transportation Electrification unter dem Titel „Deep Learning powered Lifetime Prediction for Lithium-Ion Batterys based on Small Quantity of Charging Cycles“ veröffentlicht.
Papieradresse:
https://ieeexplore.ieee.org/document/10613834
Darüber hinaus zeigt KI auch großes Potenzial bei der Optimierung des Produktionsprozesses von Batteriematerialien.Am Beispiel von Festkörperbatterien werden bei ihrer Herstellung strenge Anforderungen an die Mikrostruktur des Elektrolyten gestellt. Mithilfe von KI-Technologie können Parameter im Materialvorbereitungsprozess, wie etwa Temperatur und Druck, durch Computervision und Optimierungsalgorithmen analysiert werden, wodurch die Produktionskonsistenz verbessert und die Herstellungskosten gesenkt werden. Eine Studie der Jules-Verne-Universität der Picardie in Frankreich und mehrerer anderer Institutionen zeigte beispielsweise, wie der Elektrodenherstellungsprozess mithilfe der Technologie des maschinellen Lernens überwacht und optimiert werden kann. Die Methode ermöglicht Echtzeitanpassungen der Batterieherstellungsparameter, wodurch der Abfall erheblich reduziert und die Produktkonsistenz verbessert wird.
Die entsprechende Forschungsarbeit wurde in Science unter dem Titel „Toward High-Performance Energy and Power Battery Cells with Machine Learning-based Optimization of Electrode Manufacturing“ veröffentlicht.
Papieradresse:
https://www.sciencedirect.com/science/article/pii/S037877532301050
Es ist abzusehen, dass der Bereich der Batteriematerialien, angetrieben vom Paradigma „KI für die Wissenschaft“, an der Schwelle zu einer neuen technologischen Revolution steht. Der Einsatz von KI bringt nicht nur neue Ideen und Werkzeuge in die Forschung und Entwicklung von Batteriematerialien, sondern verändert auch den Entwicklungspfad der gesamten Batterietechnologie.
KI beschleunigt die Industrialisierung neuer Batterien
Die Batterieindustrie befindet sich auf dem Höhepunkt einer Welle technologischer Innovationen und KI ist zweifellos die treibende Kraft hinter dieser technologischen Renaissance. Die umfassende Anwendung der KI-Technologie hat nicht nur zu hochmodernen Theorien der Batteriewissenschaft im Bereich der akademischen Forschung geführt, sondern auch einen hohen praktischen Wert in der Industrie bewiesen und neue Impulse für die Kommerzialisierung, Massenproduktion und Leistungsoptimierung der Batterietechnologie gegeben.
Auf dem internationalen Markt haben viele Unternehmen die Führung bei der Einführung KI-gestützter Batterieforschung und -entwicklung übernommen.Tesla nutzt KI zur Optimierung seines Batteriemanagementsystems (BMS), nutzt Deep-Learning- und Machine-Learning-Techniken zur Vorhersage des Batteriezustands und der Lebensdauer und verwendet datengesteuerte Methoden zur Verbesserung des Supercharging und des Energiemanagements.
Der südkoreanische Batteriehersteller LG Energy Solution hat eine KI-Plattform entwickelt, die sich auf die Vorhersage der Batteriealterung, von Ausfallarten und die Optimierung des Energiemanagements konzentriert und gleichzeitig dynamische Vorhersage- und Optimierungsfunktionen für Energiespeichersysteme (ESS) bietet.
Das Lithium-Metall-Batterieunternehmen SES AI gab außerdem bekannt, dass es mit den Technologieunternehmen NVIDIA, Crusoe und Supermicro zusammenarbeiten wird, um die Forschung und Entwicklung neuer Batteriematerialien zu beschleunigen. Geplant ist, mithilfe von für KI optimierten Hochleistungs-Supercomputern eine Datenbank mit kleinen Molekülen aufzubauen und so das Verständnis chemischer Batteriesysteme zu verbessern und die Entwicklung von Energiespeicherlösungen zu beschleunigen.
Darüber hinaus gab NVIDIA kürzlich bekannt, dass das ALCHEMI NIM-Projekt KI-Technologie nutzt, um die Entwicklung nachhaltiger Energiematerialien wie Batterien für Elektrofahrzeuge und Solarmodule zu beschleunigen. Diese Projekte können die elektrochemischen Eigenschaften von Materialien effizient simulieren und vorhersagen, was nicht nur den F&E-Zyklus neuer Materialien verkürzt, sondern auch die Kosten erheblich senkt und technische Unterstützung für die globale Energiewende bietet.
Zurück auf dem heimischen Markt zeigen die Forschung und Entwicklung im Batteriebereich sowie die technologische Innovation verschiedener Unternehmen ebenfalls einen Trend zum Wettbewerb zwischen hundert Denkschulen.Als führendes Unternehmen der globalen Power-Batterie-Industrie setzt CATL aktiv KI-Technologie zur Modellierung und Optimierung der Batteriechemie und Materialleistung ein und konzentriert sich dabei auf die Forschung und Entwicklung von Batterien mit hoher Energiedichte. Im Dezember 2023 kündigte CATL die Einrichtung eines internationalen Forschungs- und Entwicklungszentrums in Hongkong an, das sich auf KI für die Wissenschaft konzentrieren wird. Auch Zeng Yuqun, Vorstandsvorsitzender von CATL, hat im vergangenen Jahr mehrfach öffentlich die Notwendigkeit erwähnt, die Einführung von KI zu beschleunigen, insbesondere bei der Innovation von Batteriematerialsystemen.
Darüber hinaus übernahm Honeycomb Energy (SVOLT) die Führung beim Bau der branchenweit ersten Fabrik für intelligente KI-Batterien in Automobilqualität in Jintan, Jiangsu. Dabei wird KI zur Verwaltung des gesamten Batterieprozesses eingesetzt und eine Reihe leistungsstarker Batterieprodukte auf den Markt gebracht, wodurch die großflächige Anwendung neuer Energiebatterien erheblich beschleunigt wird.
Gleichzeitig sind auf dem ausländischen Markt eine Reihe von Start-ups für KI-Batteriematerialien entstanden, wie etwa QuantumScape, Inobat Auto, Mitra Chem, Aionics usw., die künstliche Intelligenz in den Bereich der Batterieentwicklung einführen wollen. Unter ihnen wird Mitra Chem von einigen großen Namen der Batterietechnologiebranche als „ein von künstlicher Intelligenz angetriebener Batteriematerial-Innovator mit Sitz im Silicon Valley“ beschrieben.
Auf dem chinesischen Markt sind zudem eine Reihe neuer KI-Unternehmen im Energiebereich entstanden, wie etwa Shengke Energy, ein vom Team des Akademikers Ouyang Minggao inkubiertes Unternehmen, das das weltweit erste große KI-Batteriemodell PERB2.0 auf den Markt brachte. Dieses Modell ist in der Lage, riesige Mengen an Batteriedaten zu verarbeiten und zu analysieren und spielt eine Schlüsselrolle beim Batteriedesign, der Leistungsoptimierung und der intelligenten Entscheidungsfindung.
Zusammenfassend lässt sich sagen, dass alle Unternehmen, ob auf dem internationalen Markt oder im Inland, ob führende Unternehmen oder Start-ups, KI im Bereich der Batterieforschung und -entwicklung aktiv nutzen.
Letzte Worte
Betrachtet man die aktuelle Situation, so stärkt die KI-Technologie von der Materialentdeckung bis zur Fertigungsoptimierung, von der Leistungsvorhersage bis zum vollständigen Lebenszyklusmanagement jeden Aspekt der Batterieforschung und -entwicklung und verleiht der neuen Energiebranche starke Impulse. Durch die enge Integration wissenschaftlicher Forschungsergebnisse in die industrielle Praxis beschleunigt KI nicht nur die technologische Iteration, sondern fördert auch die großflächige Anwendung der Batterietechnologie und die Kostensenkung.
Allerdings ist die Entwicklung von allem ein Zickzack-Prozess und die tiefe Integration von KI- und Batterieforschung und -entwicklung kann nicht über Nacht erreicht werden.Zeng Yuqun, Vorsitzender von CATL, sagte: „AI4S (für die Forschung und Entwicklung von Batteriematerialien) verfügt derzeit nicht über besonders gute Modelle, Strukturen oder Algorithmen, und es ist noch ein langer Weg.“
Quellen:
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