Tận dụng máy học để tìm ra thành phần đầy hứa hẹn cho pin natri-ion

Tận dụng máy học để tìm ra thành phần đầy hứa hẹn cho pin natri-ion

    Ngày 5 tháng 11 năm 2024

    Lưu trữ năng lượng là một phần thiết yếu của nhiều công nghệ bền vững đang phát triển nhanh chóng, bao gồm ô tô điện và sản xuất năng lượng tái tạo. Mặc dù pin lithium-ion (LIB) thống trị thị trường hiện tại, lithium là một nguyên tố tương đối khan hiếm và đắt tiền, tạo ra cả thách thức về kinh tế và ổn định nguồn cung. Theo đó, các nhà nghiên cứu trên toàn thế giới đang thử nghiệm các loại pin mới được làm từ các vật liệu phong phú hơn.

    Tận dụng máy học để tìm ra thành phần đầy hứa hẹn cho pin natri-ion

    Các nhà nghiên cứu đã sử dụng chiến lược dựa trên máy học để khám phá và tối ưu hóa tỷ lệ kim loại chuyển tiếp trong vật liệu đa nguyên tố cho pin ion natri. Mô hình phân tích nhiều kết hợp thành phần khác nhau và dự đoán các ứng viên triển vọng nhất, giảm nhu cầu thử nghiệm thực nghiệm mở rộng và giúp việc tìm kiếm vật liệu pin hiệu suất cao tiết kiệm thời gian và chi phí hơn. Tín dụng: Shinichi Komaba từ TUS, Nhật Bản

    Pin ion natri (Na-ion) sử dụng ion natri làm chất mang năng lượng là một giải pháp thay thế đầy hứa hẹn cho LIB do có nhiều natri, độ an toàn cao hơn và chi phí có thể thấp hơn. Đặc biệt, oxit kim loại chuyển tiếp có chứa natri (NaMeO 2 ) là vật liệu mạnh mẽ cho điện cực dương của pin ion Na, cung cấp mật độ năng lượng và dung lượng đặc biệt.

    Tuy nhiên, đối với các oxit nhiều lớp gồm nhiều kim loại chuyển tiếp, số lượng lớn các kết hợp có thể có khiến việc tìm ra thành phần tối ưu trở nên phức tạp và tốn thời gian. Ngay cả những thay đổi nhỏ trong việc lựa chọn và tỷ lệ kim loại chuyển tiếp cũng có thể gây ra những thay đổi đáng kể về hình thái tinh thể và ảnh hưởng đến hiệu suất pin.

    Hiện nay, trong một nghiên cứu gần đây, một nhóm nghiên cứu do Giáo sư Shinichi Komaba dẫn đầu, cùng với Cô Saaya Sekine và Tiến sĩ Tomooki Hosaka từ Đại học Khoa học Tokyo (TUS), Nhật Bản, và từ Đại học Công nghệ Chalmers, và Giáo sư Masanobu Nakayama từ Viện Công nghệ Nagoya, đã tận dụng máy học để hợp lý hóa việc tìm kiếm các thành phần đầy hứa hẹn. Những phát hiện trong nghiên cứu của họ được công bố trực tuyến trên Tạp  chí Hóa học Vật liệu A.

    Nhóm nghiên cứu tìm cách tự động hóa việc sàng lọc các thành phần nguyên tố trong nhiều loại vật liệu NaMeO 2  O 3. Để đạt được mục đích này, trước tiên họ đã tập hợp một cơ sở dữ liệu gồm 100 mẫu từ các nửa tế bào natri loại O 3 với 68 thành phần khác nhau, được nhóm của Komaba thu thập trong suốt 11 năm.

    Komaba giải thích: "Cơ sở dữ liệu bao gồm thành phần của các mẫu NaMeO 2  , trong đó Me là kim loại chuyển tiếp giống như Mn, Ti, Zn, Ni, Zn, Fe và Sn, cùng các kim loại khác, cũng như giới hạn điện áp trên và dưới của các thử nghiệm sạc-xả, khả năng xả ban đầu, điện áp xả trung bình và khả năng duy trì dung lượng sau 20 chu kỳ".

    Sau đó, các nhà nghiên cứu đã sử dụng cơ sở dữ liệu này để đào tạo một mô hình kết hợp một số thuật toán học máy, cũng như tối ưu hóa Bayesian, để thực hiện tìm kiếm hiệu quả. Mục tiêu của mô hình này là tìm hiểu cách các đặc tính như điện áp hoạt động, khả năng duy trì dung lượng (tuổi thọ) và mật độ năng lượng liên quan đến thành phần của oxit lớp NaMeO 2  và dự đoán tỷ lệ tối ưu của các nguyên tố cần thiết để đạt được sự cân bằng mong muốn giữa các đặc tính này.

    Sau khi phân tích kết quả, nhóm nghiên cứu nhận thấy mô hình dự đoán Na[Mn 0,36 Ni 0,44 Ti 0,15 Fe 0,05 ]O 2  là thành phần tối ưu để đạt được mật độ năng lượng cao nhất, đây là một trong những đặc điểm quan trọng nhất trong vật liệu điện cực. Để xác minh độ chính xác của dự đoán của mô hình, họ đã tổng hợp các mẫu có thành phần này và lắp ráp các pin đồng xu tiêu chuẩn để chạy thử nghiệm sạc-xả.

    Tận dụng máy học để tìm ra thành phần đầy hứa hẹn cho pin natri-ion

    Phương pháp tiếp cận dựa trên máy học được đề xuất để khám phá và tối ưu hóa tỷ lệ kim loại chuyển tiếp cung cấp một phương pháp hiệu quả để xác định các thành phần đầy hứa hẹn trong số nhiều ứng viên tiềm năng, có khả năng đẩy nhanh quá trình phát triển pin natri-ion. Tín dụng: Shinichi Komaba từ TUS, Nhật Bản

    Các giá trị đo được phần lớn đều phù hợp với các giá trị dự đoán, làm nổi bật tính chính xác của mô hình và tiềm năng của nó trong việc khám phá các vật liệu pin mới.

    Komaba nhận xét: "Phương pháp tiếp cận được thiết lập trong nghiên cứu của chúng tôi cung cấp một phương pháp hiệu quả để xác định các thành phần đầy hứa hẹn từ nhiều ứng viên tiềm năng. Hơn nữa, phương pháp này có thể mở rộng sang các hệ thống vật liệu phức tạp hơn, chẳng hạn như oxit kim loại chuyển tiếp năm thành phần".

    Sử dụng máy học để xác định các hướng nghiên cứu đầy hứa hẹn là xu hướng đang phát triển trong khoa học vật liệu, vì nó có thể giúp các nhà khoa học giảm đáng kể số lượng thí nghiệm và thời gian cần thiết để sàng lọc vật liệu mới. Chiến lược được trình bày trong nghiên cứu này có thể đẩy nhanh quá trình phát triển pin thế hệ tiếp theo, có tiềm năng cách mạng hóa công nghệ lưu trữ năng lượng trên diện rộng.

    Điều này không chỉ bao gồm sản xuất năng lượng tái tạo và xe điện hoặc xe hybrid mà còn bao gồm cả thiết bị điện tử tiêu dùng như máy tính xách tay và điện thoại thông minh. Hơn nữa, các ứng dụng thành công của máy học trong nghiên cứu pin có thể đóng vai trò là khuôn mẫu cho phát triển vật liệu trong các lĩnh vực khác, có khả năng thúc đẩy sự đổi mới trên toàn bộ bối cảnh khoa học vật liệu rộng lớn hơn.

    "Số lượng thí nghiệm có thể giảm bằng cách sử dụng máy học, giúp chúng ta tiến gần hơn một bước đến mục tiêu tăng tốc và giảm chi phí phát triển vật liệu. Hơn nữa, khi hiệu suất của vật liệu điện cực cho pin Na-ion tiếp tục được cải thiện, dự kiến ​​pin dung lượng cao và tuổi thọ cao sẽ có giá thành thấp hơn trong tương lai", Komaba kết luận.

    Ngày 5 tháng 11 năm 2024

    Lưu trữ năng lượng là một phần thiết yếu của nhiều công nghệ bền vững đang phát triển nhanh chóng, bao gồm ô tô điện và sản xuất năng lượng tái tạo. Mặc dù pin lithium-ion (LIB) thống trị thị trường hiện tại, lithium là một nguyên tố tương đối khan hiếm và đắt tiền, tạo ra cả thách thức về kinh tế và ổn định nguồn cung. Theo đó, các nhà nghiên cứu trên toàn thế giới đang thử nghiệm các loại pin mới được làm từ các vật liệu phong phú hơn.

    Tận dụng máy học để tìm ra thành phần đầy hứa hẹn cho pin natri-ion

    Các nhà nghiên cứu đã sử dụng chiến lược dựa trên máy học để khám phá và tối ưu hóa tỷ lệ kim loại chuyển tiếp trong vật liệu đa nguyên tố cho pin ion natri. Mô hình phân tích nhiều kết hợp thành phần khác nhau và dự đoán các ứng viên triển vọng nhất, giảm nhu cầu thử nghiệm thực nghiệm mở rộng và giúp việc tìm kiếm vật liệu pin hiệu suất cao tiết kiệm thời gian và chi phí hơn. Tín dụng: Shinichi Komaba từ TUS, Nhật Bản

    Pin ion natri (Na-ion) sử dụng ion natri làm chất mang năng lượng là một giải pháp thay thế đầy hứa hẹn cho LIB do có nhiều natri, độ an toàn cao hơn và chi phí có thể thấp hơn. Đặc biệt, oxit kim loại chuyển tiếp có chứa natri (NaMeO 2 ) là vật liệu mạnh mẽ cho điện cực dương của pin ion Na, cung cấp mật độ năng lượng và dung lượng đặc biệt.

    Tuy nhiên, đối với các oxit nhiều lớp gồm nhiều kim loại chuyển tiếp, số lượng lớn các kết hợp có thể có khiến việc tìm ra thành phần tối ưu trở nên phức tạp và tốn thời gian. Ngay cả những thay đổi nhỏ trong việc lựa chọn và tỷ lệ kim loại chuyển tiếp cũng có thể gây ra những thay đổi đáng kể về hình thái tinh thể và ảnh hưởng đến hiệu suất pin.

    Hiện nay, trong một nghiên cứu gần đây, một nhóm nghiên cứu do Giáo sư Shinichi Komaba dẫn đầu, cùng với Cô Saaya Sekine và Tiến sĩ Tomooki Hosaka từ Đại học Khoa học Tokyo (TUS), Nhật Bản, và từ Đại học Công nghệ Chalmers, và Giáo sư Masanobu Nakayama từ Viện Công nghệ Nagoya, đã tận dụng máy học để hợp lý hóa việc tìm kiếm các thành phần đầy hứa hẹn. Những phát hiện trong nghiên cứu của họ được công bố trực tuyến trên Tạp  chí Hóa học Vật liệu A.

    Nhóm nghiên cứu tìm cách tự động hóa việc sàng lọc các thành phần nguyên tố trong nhiều loại vật liệu NaMeO 2  O 3. Để đạt được mục đích này, trước tiên họ đã tập hợp một cơ sở dữ liệu gồm 100 mẫu từ các nửa tế bào natri loại O 3 với 68 thành phần khác nhau, được nhóm của Komaba thu thập trong suốt 11 năm.

    Komaba giải thích: "Cơ sở dữ liệu bao gồm thành phần của các mẫu NaMeO 2  , trong đó Me là kim loại chuyển tiếp giống như Mn, Ti, Zn, Ni, Zn, Fe và Sn, cùng các kim loại khác, cũng như giới hạn điện áp trên và dưới của các thử nghiệm sạc-xả, khả năng xả ban đầu, điện áp xả trung bình và khả năng duy trì dung lượng sau 20 chu kỳ".

    Sau đó, các nhà nghiên cứu đã sử dụng cơ sở dữ liệu này để đào tạo một mô hình kết hợp một số thuật toán học máy, cũng như tối ưu hóa Bayesian, để thực hiện tìm kiếm hiệu quả. Mục tiêu của mô hình này là tìm hiểu cách các đặc tính như điện áp hoạt động, khả năng duy trì dung lượng (tuổi thọ) và mật độ năng lượng liên quan đến thành phần của oxit lớp NaMeO 2  và dự đoán tỷ lệ tối ưu của các nguyên tố cần thiết để đạt được sự cân bằng mong muốn giữa các đặc tính này.

    Sau khi phân tích kết quả, nhóm nghiên cứu nhận thấy mô hình dự đoán Na[Mn 0,36 Ni 0,44 Ti 0,15 Fe 0,05 ]O 2  là thành phần tối ưu để đạt được mật độ năng lượng cao nhất, đây là một trong những đặc điểm quan trọng nhất trong vật liệu điện cực. Để xác minh độ chính xác của dự đoán của mô hình, họ đã tổng hợp các mẫu có thành phần này và lắp ráp các pin đồng xu tiêu chuẩn để chạy thử nghiệm sạc-xả.

    Tận dụng máy học để tìm ra thành phần đầy hứa hẹn cho pin natri-ion

    Phương pháp tiếp cận dựa trên máy học được đề xuất để khám phá và tối ưu hóa tỷ lệ kim loại chuyển tiếp cung cấp một phương pháp hiệu quả để xác định các thành phần đầy hứa hẹn trong số nhiều ứng viên tiềm năng, có khả năng đẩy nhanh quá trình phát triển pin natri-ion. Tín dụng: Shinichi Komaba từ TUS, Nhật Bản

    Các giá trị đo được phần lớn đều phù hợp với các giá trị dự đoán, làm nổi bật tính chính xác của mô hình và tiềm năng của nó trong việc khám phá các vật liệu pin mới.

    Komaba nhận xét: "Phương pháp tiếp cận được thiết lập trong nghiên cứu của chúng tôi cung cấp một phương pháp hiệu quả để xác định các thành phần đầy hứa hẹn từ nhiều ứng viên tiềm năng. Hơn nữa, phương pháp này có thể mở rộng sang các hệ thống vật liệu phức tạp hơn, chẳng hạn như oxit kim loại chuyển tiếp năm thành phần".

    Sử dụng máy học để xác định các hướng nghiên cứu đầy hứa hẹn là xu hướng đang phát triển trong khoa học vật liệu, vì nó có thể giúp các nhà khoa học giảm đáng kể số lượng thí nghiệm và thời gian cần thiết để sàng lọc vật liệu mới. Chiến lược được trình bày trong nghiên cứu này có thể đẩy nhanh quá trình phát triển pin thế hệ tiếp theo, có tiềm năng cách mạng hóa công nghệ lưu trữ năng lượng trên diện rộng.

    Điều này không chỉ bao gồm sản xuất năng lượng tái tạo và xe điện hoặc xe hybrid mà còn bao gồm cả thiết bị điện tử tiêu dùng như máy tính xách tay và điện thoại thông minh. Hơn nữa, các ứng dụng thành công của máy học trong nghiên cứu pin có thể đóng vai trò là khuôn mẫu cho phát triển vật liệu trong các lĩnh vực khác, có khả năng thúc đẩy sự đổi mới trên toàn bộ bối cảnh khoa học vật liệu rộng lớn hơn.

    "Số lượng thí nghiệm có thể giảm bằng cách sử dụng máy học, giúp chúng ta tiến gần hơn một bước đến mục tiêu tăng tốc và giảm chi phí phát triển vật liệu. Hơn nữa, khi hiệu suất của vật liệu điện cực cho pin Na-ion tiếp tục được cải thiện, dự kiến ​​pin dung lượng cao và tuổi thọ cao sẽ có giá thành thấp hơn trong tương lai", Komaba kết luận.

    Mời các đối tác xem hoạt động của Công ty TNHH Pacific Group.
    FanPage: https://www.facebook.com/Pacific-Group
    YouTube: https://www.youtube.com/@PacificGroupCoLt 

    Zalo
    Hotline