Pol Dailing, Çikaqo Universiteti

Stefani Baum tərəfindən redaktə edilmiş , Robert Eqan tərəfindən nəzərdən keçirilmişdir

 Redaktorların qeydləriUChicago PME laboratoriyasından bir kağız. Çikaqo Pritzker Universitetinin Molekulyar Mühəndislik Məktəbindən professor Çibueze Amançukvu cəmi 58 məlumat nöqtəsindən başlayaraq bir milyon potensial akkumulyator elektrolitinin virtual axtarış məkanını tədqiq edə bilən aktiv öyrənmə modeli qurdu. Kredit: UChicago Pritzker Molekulyar Mühəndislik Məktəbi / Stephen L. Garrett

İdeal bir dünyada, daha yaxşı batareyalar yaratmaq üçün yeni materiallar axtaran bir AI modeli milyonlarla, hətta yüz milyonlarla məlumat nöqtəsində öyrədiləcəkdir.

Ancaq onilliklər ərzində tədqiqatı olmayan yeni nəsil batareya kimyası üçün yeni araşdırmaları gözləmək dünyanın olmadığı vaxt tələb edir.

Çikaqo Pritzker Universitetinin Molekulyar Mühəndislik Məktəbi (UChicago PME) Schmidt AI Elm Postdoktoru Ritesh Kumar, “Hər bir təcrübə məlumat nöqtələrini əldə etmək üçün həftələr, aylar çəkir ” dedi. “Bu modelləri öyrətmək üçün milyonlarla məlumatımız olana qədər gözləmək qeyri-mümkündür.”

Kumar , yalnız 58 məlumat nöqtəsindən başlayaraq bir milyon potensial akkumulyator elektrolitindən ibarət virtual axtarış məkanını kəşf edə bilən aktiv öyrənmə modelini quran Nature Communications -da dərc edilmiş məqalənin ilk həmmüəllifidir . Bu minimal məlumatlardan, UChicago PME laboratoriyasından olan komanda Yrd. Prof. Chibueze Amanchukwu performans baxımından ən müasir elektrolitlərlə rəqabət aparan dörd fərqli yeni elektrolit həlledici müəyyən etdi.

Bu kiçik dəstdən əldə edilən məlumatları dəqiqləşdirməyə kömək etmək üçün komanda təcrübələri çıxış kimi birləşdirdi, əslində AI-nin təklif etdiyi batareya komponentlərini sınaqdan keçirdi, sonra bu nəticələri daha da təkmilləşdirmək üçün süni intellektə daxil etdi.

“Ədəbiyyatda tez-tez hesablama proksilərini çıxış kimi görürük, lakin hesablama proksi ilə real dünya təcrübəsi arasında hələ də fərq var. Beləliklə, biz burada gülləni dişlədik və son nəticə olaraq təcrübələrə qədər getdik” dedi. “Əgər model “Yaxşı, get bu kimyəvi məkanda elektrolit götür” təklifini versəydi, o zaman biz faktiki olaraq bu elektrolitlə bir batareya qurduq və biz məlumatları əldə etmək üçün batareyanı dövrə vurduq. Bizi maraqlandıran son təcrübə budur: Bu batareyanın uzun müddət işləmə müddəti varmı?”

https://googleads.g.doubleclick.net/pagead/ads?gdpr=0&us_privacy=1—&gpp_sid=-1&client=ca-pub-0536483524803400&output=html&h=280&slotname=2793866484&adk=2520359048&adf=1100001614&pi=t.ma~as.2793866484&w=750&fwrn=4&fwrnh=0&lmt=1761904933&rafmt=1&armr=3&format=750×280&url=https%3A%2F%2Ftechxplore.com%2Fnews%2F2025-10-ai-high-battery-electrolytes.html&fwr=0&rpe=1&resp_fmts=3&wgl=1&aieuf=1&aicrs=1&uach=WyJXaW5kb3dzIiwiMTkuMC4wIiwieDg2IiwiIiwiMTQxLjAuNzM5MC41NSIsbnVsbCwwLG51bGwsIjY0IixbWyJHb29nbGUgQ2hyb21lIiwiMTQxLjAuNzM5MC41NSJdLFsiTm90P0FfQnJhbmQiLCI4LjAuMC4wIl0sWyJDaHJvbWl1bSIsIjE0MS4wLjczOTAuNTUiXV0sMF0.&abgtt=6&dt=1761904933151&bpp=1&bdt=260&idt=67&shv=r20251029&mjsv=m202510280101&ptt=9&saldr=aa&abxe=1&cookie=ID%3Dfdc40d724f2dca57%3AT%3D1735367325%3ART%3D1761904738%3AS%3DALNI_MYStQ6fUQQQLyo5Z7z1h-XhXcWBtA&gpic=UID%3D00000f80eacffadc%3AT%3D1735367325%3ART%3D1761904738%3AS%3DALNI_MYaOugky0UawScoidzfbXof3-N-iw&eo_id_str=ID%3D878d521b85743f4c%3AT%3D1751526237%3ART%3D1761904738%3AS%3DAA-AfjZCLruwaFzoQORvGPwXS3Y2&prev_fmts=0x0&nras=1&correlator=8057462180188&frm=20&pv=1&rplot=4&u_tz=240&u_his=1&u_h=1080&u_w=1920&u_ah=1032&u_aw=1920&u_cd=24&u_sd=1&dmc=8&adx=448&ady=2180&biw=1905&bih=945&scr_x=0&scr_y=0&eid=31095509%2C31095511%2C31095512%2C31095514%2C31095567%2C95375933%2C95376113%2C95368094&oid=2&pvsid=3131322051929466&tmod=116160746&uas=0&nvt=1&ref=https%3A%2F%2Fphys.org%2F&fc=1920&brdim=0%2C0%2C0%2C0%2C1920%2C0%2C1920%2C1032%2C1920%2C945&vis=2&rsz=%7C%7CpeEbr%7C&abl=CS&pfx=0&fu=128&bc=31&plas=164x742_l%7C164x742_r&bz=1&td=1&tdf=2&psd=W251bGwsbnVsbCxudWxsLDNd&nt=1&ifi=2&uci=a!2&btvi=1&fsb=1&dtd=259

Güvənin, amma yoxlayın

Yalnız 58 göstərişdən milyonlarla potensial molekulu ekstrapolyasiya edən süni intellektə sahib olmaq çətin ola bilər. Maşın nə qədər çox ekstrapolyasiya etməlidirsə, saxta nəticələr, altı barmaqlı Dall-E portretinin kimyəvi ekvivalenti və ya ChatGPT boşboğazlıq üçün bir o qədər çox olur.

“Model ilkin olaraq çox dəqiq olmayacaq, ona görə də onun müəyyən proqnozları olacaq və proqnozla bağlı qeyri-müəyyənlik də olacaq” dedi Kumar.

Milyonlarla məlumat nöqtəsində öyrədilmiş süni intellektdən əldə edilən proqnozlar nəzəri cəhətdən daha etibarlı olardı, buna görə də komanda yol boyu yoxlanaraq, ən yaxşı boşalma qabiliyyətinə malik elektrolitləri tapmaq üçün sınaqdan keçirib və təkrar sınaqdan keçirib.

Ümumilikdə, komanda yüksək səviyyəli performansa malik dörd yeni elektrolitdən istifadə etməzdən əvvəl hər birində sınaqdan keçirilmiş təxminən 10 elektrolit ilə yeddi aktiv öyrənmə kampaniyası həyata keçirdi.

“Maşın öyrənməsinin və AI modellərinin səmərəsizliyini tamamilə aradan qaldırmağın heç bir yolu yoxdur, lakin biz bu işdə etdiyimiz kimi onun yaxşı xüsusiyyətlərindən istifadə etməliyik” dedi Kumar. “Digər alternativ, bir milyon elektrolit üzərində təcrübələr aparmağımız idi, bu mümkün deyildi.”

Proqnozdan generativə

Gələcək tədqiqatın mümkün istiqamətlərindən biri hətta 58 məlumat nöqtəsini silmək və AI-nin sıfırdan yeni molekullar yaratmasıdır, deyə birinci müəllif Peiyuan Ma, Ph.D.

Hazırda laboratoriyanın süni intellekt modeli digər tədqiqatçıların təsvir etdiyi və verilənlər bazalarında tərtib etdiyi mövcud molekullardan molekulları ekstrapolyasiya edir. Kütləvi kimyəvi məkanda həqiqi generativ süni intellektə çevrilməsi – potensial olaraq 10-dan 60-a qədər və ya ondan sonra 60 sıfır olan biri – heç bir alimin xəyal etmədiyi yeni konfiqurasiyalarla nəticələnə bilər.

“Bu o deməkdir ki, biz artıq mövcud ədəbiyyatla məhdudlaşmırıq” dedi Ma. “Model, prinsipcə, heç bir verilənlər bazasında olmayan bəzi molekulları təklif edə bilər.”

Gələcək süni intellekt modelləri də potensial elektrolitləri bir çox meyarlar üzrə qiymətləndirməlidir. Ma dedi ki, süni intellekt modelləri batareya komponentlərini adətən dövriyyə müddəti ilə əlaqəli bir faktora əsasən qiymətləndirir. Döngü ömrü batareyanın ən vacib performans aspektidir, lakin real dünyada faydalı və təsirli olacaq batareya yaratmaq üçün lazım olan yeganə xüsusiyyətdən uzaqdır.

“Bir elektrolitin uğurla kommersiyalaşdırılması üçün o, baza gücü, təhlükəsizlik və hətta qiymət kimi bir çox meyarlara cavab verməlidir” dedi Ma. “Bizə işi daha da süzgəcdən keçirmək, ən yaxşı performans göstərən elektrolitlərdən ən yaxşı elektrolitləri çıxarmaq üçün gələcək AI modellərinə ehtiyacımız var.”

Kumar bildirib ki, yeni molekullar tapmaq üçün süni intellekt və maşın öyrənməsi elmdən pərdələri aradan qaldırmağa kömək edə bilər. İnsanın dünyanı dəyişdirə biləcək və ya vaxt və resursları itirə biləcək yeni sahələri öyrənməkdənsə, artıq perspektivli nəticələr göstərmiş kimyəvi məkanlarda yaşamağa təbii meyli var.

“Biz həmişə əlimizdə olanlara qərəzli yanaşırıq, lakin süni intellekt bizə qərəzimizdən çıxmaq üçün bir yol təqdim edə bilər” dedi Kumar.

Daha çox məlumat: Peiyuan Ma və digərləri, Aktiv öyrənmə, anodsuz litium metal batareyalar üçün elektrolit həlledici skrininqini sürətləndirir, Nature Communications (2025). DOI: 10.1038/s41467-025-63303-7

Jurnal məlumatı: Nature Communications Çikaqo Universiteti tərəfindən təmin edilmişdir