4 つの主要な問題点、5 つの研究、7 社、1 つの記事で AI が主導するバッテリーの研究開発イノベーションを詳細に説明
「新エネルギー車の国内小売普及率は7月に51.1%に達し、予定より11年早くなった。」これは、中国自動車販売協会の乗用車市場情報共同支部が今年8月に発表したデータであり、新エネルギー車市場の力強い成長の勢いを示しているものの、中国のエネルギー構造の変革における重要なマイルストーンではない。このフィールド。
新エネルギー車がこれほど急速に消費者市場を占めることができた理由は、政策推進力と市場での受け入れの増加に加えて、2 つの重要な要因によるものです。一方で、テスラが仕掛けた熾烈な価格競争が業界に値下げの波をもたらし、際限のない優遇政策が販売を刺激し続けている一方で、新エネルギー車に搭載されたバッテリー技術は低迷している。継続的に革新され、長時間の充電や充電ステーションの不均等な配置など、充電に関する消費者の不安を効果的に軽減することで、消費者の購買意欲をさらに高めています。
新エネルギー自動車の「心臓部」である動力バッテリーは、自動車の性能、コスト、ユーザーエクスペリエンスを向上させるために極めて重要です。例えば、BYDのブレードバッテリーの発売により、バッテリーパックのスペース利用と安全性が大幅に向上するだけでなく、純粋な電気モデルの航続距離が1,000キロメートル以上に延長され、一流の航続が可能になることが期待されています。パフォーマンス。したがって、一部のネチズンは、「新エネルギー車企業の寿命の半分は動力用バッテリーによってもたらされている。この評価は、新エネルギー車産業チェーンにおけるバッテリーの中心的な位置を明らかにするだけでなく、新エネルギー車企業にとっての技術革新の重要性をさらに明らかにするものである」と生き生きとコメントした。市場競争力。
バッテリー技術の重要性は新エネルギー車の分野に限定されないことに言及する価値があります。家庭用電化製品であれ、大規模エネルギー貯蔵システムであれ、バッテリーは不可欠な重要な技術サポートです。中国工程院が発表した「2035年に向けて中国をパワーアップする新材料に関する戦略的研究」では、新エネルギー材料分野における主要な開発方向として電池材料が明記されている。これは、将来のエネルギー構造におけるバッテリー技術の戦略的位置を示すだけでなく、新エネルギー産業の包括的なアップグレードに対する重要な指針も提供します。
同時に、人工知能の急速な発展により、困難な新しい電池の研究開発に新たな勢いが吹き込まれています。中国科学院学会員で清華大学教授の欧陽明高氏は、最近開催された2024年科学インテリジェンスサミットで次のように述べた。「電池材料に関して言えば、かつては材料の研究開発はほぼすべて試行錯誤で、多大な労力がかかり、サイクルが長すぎ、効率が低すぎました。今では人工知能の登場により、これまでの研究は不要になりました」自動実験、特性評価、シミュレーション、準備などの自動材料設計プロセス全体のインテリジェンス化が実現され、研究開発の効率が大幅に向上します。新しいバッテリーは難しいです。」
数年間の努力の結果、従来の電池の研究開発の問題点と困難さが明らかになった
バッテリーの研究開発は、バッテリー材料のスクリーニング、合成と準備、特性評価テスト、プロセスの最適化を含む、複雑かつ体系的なプロジェクトです。従来の電池の研究開発は主に「実験的試行錯誤」方式を採用しており、研究開発サイクル全体は数年に及び、多額の設備投資が必要となります。このプロセスでは、各段階で特有の問題点や困難に直面します。
具体的には、電池材料の選別工程において、研究開発担当者は、実験の実現可能性、費用対効果、安全性を考慮して、最適な電極材料と電解質の配合を見つける必要があります。しかし、電池の正極、負極、電解質、セパレータなどの構成材料として選択できる材料は数多くあり、従来のスクリーニング方法では一つ一つ実験的に検証する必要があり、多大な時間と時間がかかります。リソースがあり、試行錯誤のコストが高くなります。
電池の合成および準備のプロセス中に、研究開発者は、理想的な材料特性を得るために、合成の反応条件を正確に制御する必要があります。これらの反応条件には、温度、圧力、時間、環境などが含まれます。例えば、全固体電池の合成は、空気に対する硫化物の安定性の低さ、電極/電解質界面の化学的および電気化学的安定性など、依然として大きな課題に直面しています。これらの課題により、固体電池における大規模な応用が制限され、合成調製プロセスに高い要件が課せられます。
用紙のアドレス:
https://wulixb.iphy.ac.cn/article/doi/10.7498/aps.69.20201581
特性評価テスト中に、研究開発担当者は、電池材料の結晶構造、電気化学的性能、熱安定性などの主要な特性をテストおよび分析する必要があります。ただし、バッテリー性能の中心的な指標 (サイクル寿命、エネルギー密度など) は通常、長期テストを通じて評価する必要があり、このテストサイクルにより開発の進捗が大幅に遅れます。
プロセス最適化段階では、コーティング、乾燥、圧縮などのさまざまなパラメータの最適化は、非常に複雑な多変数の問題であり、小規模な研究室の研究開発で得られる理想的なパフォーマンスを工業生産で再現するのは困難です。
要約すると、従来の電池の研究開発手法では、材料のスクリーニングからプロセスの最適化までのあらゆる段階で複雑な課題に直面しています。将来のバッテリーの研究開発では、従来の研究開発のボトルネックを根本的に打破するために、よりデータ駆動型の設計手法、高スループットの合成およびテスト技術、インテリジェントな製造手法を導入する必要があります。このプロセスでは、AI が重要な役割を果たします。
明るい未来はあります。科学のための AI が電池の研究開発の新しいアイデアを完全に解き放ちます
全固体電池に代表される新しい電池の研究開発技術には依然として多くの課題がありますが、AI for Science（AI4S）パラダイムの発展に乗って、電池の研究開発に注力する大学や研究機関が増えています。 AI関連技術を地上で探索します。
具体的には、まず、AI はバッテリー材料のスクリーニングと発見を加速できます。バッテリー材料の開発には何千もの化学物質の組み合わせが含まれており、実験検証のための時間とリソースは限られています。ハイスループット コンピューティングと機械学習における AI の応用により、研究者はシミュレーションと予測を通じて潜在的な高性能材料を迅速にスクリーニングすることができます。たとえば、マイクロソフトと PNNL は AI テクノロジーを使用して 3,200 万の潜在的なバッテリー材料をスクリーニングし、80 時間以内にリストを 23 に絞り込み、そのうち 5 つは既知の材料でした。研究チームは、これらの材料を入手するために従来の方法を使用していたら、そのプロセスには20年以上かかっただろうと述べた。
関連する研究のタイトルは「人工知能とクラウド ハイパフォーマンス コンピューティングによる計算材料発見の加速: 大規模スクリーニングから実験的検証まで」で、プレプリント Web サイト arXiv で公開されました。
用紙のアドレス:
https://arxiv.org/pdf/2401.04070
次に、AI は電池の合成準備プロセスでも優れたパフォーマンスを発揮します。具体的には、界面の問題は、電池の性能における重要なボトルネックとなっています。たとえば、リチウム金属アノードと電解質の間の界面の安定性は、電池の安全性と寿命に直接影響します。従来の実験では界面での複雑な反応を完全に理解することは困難ですが、AI モデルでは分子動力学シミュレーションと実験データを組み合わせて界面反応経路を予測し、より優れた電解質材料を設計できます。たとえば、華南理工大学の研究者は、AI モデルを使用してリチウムイオン電池の界面反応をモデル化し、電池コンポーネントの最適化に焦点を当て、より安定した電解質材料の開発の方向性を示しました。
関連する研究は「非経験的分子動力学シミュレーションによる電解質と Li(2)MnO(3) 間の界面反応への洞察」と題され、Journal of Materials Chemistry に掲載されました。
用紙のアドレス:
https://pubs.rsc.org/en/content/articlelanding/2024/ta/d4ta04598j
バッテリーの特性評価テスト中、AI はバッテリー寿命の予測にも同様に優れていました。たとえば、MIT、スタンフォード大学、トヨタ研究所 (TRI) の研究者は、AI を使用してバッテリー寿命を予測しています。同チームが開発したAIアルゴリズムは、バッテリーの5回の充放電サイクルに基づいてバッテリー寿命を判定でき、判定結果の精度は95%と高く、予測値と実際のバッテリー寿命値との誤差は少ない9%以内です。このデータセットはオープンソースであり、この種のデータセットとしては最大であることは言及する価値があります。
関連する研究は、「容量劣化前のバッテリーサイクル寿命のデータ駆動型予測」というタイトルでNatureに掲載されました。
用紙のアドレス:
https://www.nature.com/articles/s41560-019-0356-8
少し前に、中国科学院大連化学物理研究所と西安交通大学がバッテリーの健康管理の分野で新たな進歩を遂げました。研究者らは、従来の手法が大量の充電テストデータに依存していた問題を効果的に解決し、リアルタイムのバッテリー寿命予測に新しいアイデアを提供し、リチウムバッテリー寿命のエンドツーエンド評価を実現する、新しいタイプの深層学習モデルを開発した。 。同時に、このモデルは第 1 世代のバッテリー デジタル ブレイン PBSRD Digit コア モデルの重要な部分でもあり、インテリジェントなバッテリー管理のソリューションを提供します。
関連研究のタイトルは「少量の充電サイクルに基づくリチウムイオン電池の深層学習による寿命予測」で、IEEE Transactions on Transportation Electrification に掲載されました。
用紙のアドレス:
https://ieeexplore.ieee.org/document/10613834
さらに、AIは電池材料の製造プロセスの最適化においても大きな可能性を示しています。全固体電池を例に挙げると、その製造には電解質の微細構造に関する厳しい要件があります。 AI テクノロジーは、コンピューター ビジョンと最適化アルゴリズムを通じて、温度、圧力などの材料準備プロセスのパラメーターを分析し、それによって生産の一貫性を向上させ、製造コストを削減できます。たとえば、フランスのピカルディにあるジュール・ヴェルヌ大学が複数の機関と協力して行った研究では、機械学習テクノロジーを通じて電極製造プロセスを監視および最適化する方法が実証されています。この方法により、バッテリー製造パラメータのリアルタイム調整が可能になり、スクラップが大幅に削減され、製品の一貫性が向上します。
関連する研究のタイトルは「電極製造の機械学習ベースの最適化による高性能エネルギーおよびパワーバッテリーセルに向けて」で、Science誌に掲載されました。
用紙のアドレス:
https://www.sciencedirect.com/science/article/pii/S037877532301050
AI for Science パラダイムによって推進され、電池材料の分野が新たな技術革命の入り口に立っていることは予見できます。 AI の応用は、電池材料の研究開発に新しいアイデアやツールをもたらすだけでなく、電池技術全体の開発経路も再構築しています。
何百ものライバルが競争し、AI が新しいバッテリーの工業化を加速
電池業界は技術革新の波の真っ只中にあり、AI がこの技術ルネッサンスを牽引する中心的な原動力であることは間違いありません。 AI テクノロジーの徹底的な応用は、学術研究の分野で電池科学の最先端の理論を生み出しただけでなく、業界でも強力な実用的価値を実証し、商業化、大規模生産、および生産に新たな推進力をもたらしました。バッテリー技術のパフォーマンスの最適化。
国際市場では、多くの企業が AI を活用した電池の研究開発を率先して展開しています。Tesla は AI を通じてバッテリー管理システム (BMS) を最適化し、ディープラーニングと機械学習テクノロジーを使用してバッテリーの状態と寿命を予測し、データ駆動型の手法を使用して過充電とエネルギー管理を改善します。
韓国の電池メーカー LG Energy Solution は、電池の劣化、故障モード、エネルギー管理の最適化を予測することに重点を置き、エネルギー貯蔵システム (ESS) の動的な予測と最適化機能を提供する AI プラットフォームを開発しました。
リチウム金属電池企業のSES AIはまた、テクノロジー企業NVIDIA、Crusoe、Supermicroと提携して、新しい電池材料の研究開発を加速すると発表した。AIに最適化された高性能スーパーコンピュータを使用して低分子データベースを描画する計画だ。これにより、電池の化学システムの理解が深まり、新しい電池材料の開発が促進されます。
さらに、NVIDIA は最近、ALCHEMI NIM プロジェクトが AI テクノロジーを通じて電気自動車のバッテリーやソーラー パネルなどの持続可能なエネルギー材料の研究開発を加速していることも発表しました。これらのプロジェクトでは、材料の電気化学的特性を効率的にシミュレーションおよび予測できるため、新材料の研究開発サイクルが短縮されるだけでなく、コストも大幅に削減され、世界的なエネルギー移行に対する技術サポートが提供されます。
国内市場に話を戻すと、各社の電池の研究開発技術革新も百派争奪の傾向を見せている。世界のパワーバッテリー業界のリーダーとして、CATL は高エネルギー密度バッテリーの研究開発に重点を置き、バッテリーの化学および材料特性のモデリングと最適化に AI テクノロジーを積極的に適用しています。 2023 年 12 月、CATL は科学のための AI に焦点を当てる国際研究開発センターを香港に設立すると発表しました。 CATLの曾雨群会長も、特に電池材料システムの革新においてAIの導入が加速していることについて、過去1年間公の場で何度も言及してきた。
さらに、SVOLTは業界初の自動車グレードのAIスマートパワーバッテリー工場を江蘇省金壇に建設し、AIを使用してバッテリープロセス全体を制御し、一連の高性能バッテリー製品を発売し、開発を大幅に加速しました。新エネルギー電池の大規模応用。
同時に、QuantumScape、Inobat Auto、Mitra Chem、Aioonics など、電池開発分野への人工知能の導入を目指す AI 電池材料のスタートアップ企業もいくつか海外市場で誕生しています。ミトラケムは一部の電池にも使用されており、テクノロジー界の著名人はミトラケムを「シリコンバレーにある人工知能技術を推進する電池材料のイノベーター」と表現している。
中国市場でも多くの新エネルギーAI企業が登場している。例えば、欧陽明高学者のチームが設立した企業、Shengke Energyは、世界初の大型バッテリーAIモデルPERB2.0をリリースした。このモデルは、膨大なバッテリー データを処理および分析でき、バッテリーの設計、パフォーマンスの最適化、インテリジェントな意思決定において重要な役割を果たします。
まとめると、国際市場でも国内企業でも、大手企業でもスタートアップ企業でも、電池の研究開発分野ではAIを積極的に取り入れています。
最後に書きます
現在の状況を見ると、材料の発見から製造の最適化、性能予測から完全なライフサイクル管理に至るまで、AI テクノロジーがバッテリーの研究開発のあらゆる側面を完全に強化し、新エネルギー産業に強力な推進力を注入しています。 AI は、科学研究の結果を産業上の実践と深く統合することにより、技術の反復を加速するだけでなく、バッテリー技術の大規模な応用とコスト削減も促進します。
しかし、どんなものの開発にも浮き沈みがあり、AI とバッテリーの研究開発の深い統合は一夜にして達成されるものではありません。CATLのZeng Yuqun会長は、「（電池材料研究開発用の）AI4Sには、現時点で特に優れたモデル、構造、アルゴリズムがなく、道のりはまだ長い」と述べた。
参考文献:
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