NatComm: С помощью ИИ найдено лучшее решение для хранения энергии

Найти иголку в стоге сена — практически невозможно. Но что, если новые инструменты сделают эту задачу ещё сложнее?

Можно разложить небольшие кучки сена и использовать магниты. А искусственный интеллект может выступать в роли магнита для научных решений, находя важную информацию из множества возможностей.

Однако даже самая мощная система может оказаться в затруднительном положении, если стог сена слишком велик. Чтобы эффективно использовать искусственный интеллект, необходимо привлекать специалистов в области естественных наук.

Команда учёных объединила искусственный интеллект с высокопроизводительными экспериментами и знаниями в области материаловедения, чтобы ускорить процесс открытия.

Исследователи из Тихоокеанской северо-западной национальной лаборатории (PNNL) и Аргоннской национальной лаборатории определили комбинации растворителей, которые могут растворить в три раза больше соединений для энергоэффективной проточной редокс-батареи. Они быстро сузили круг поиска до менее чем 10 процентов возможных комбинаций.

Результаты исследования опубликованы в журнале Nature Communications.

Команда специалистов стремилась создать платформу для интеллектуального проведения экспериментов. Они исследовали смеси органических растворителей для разработки оптимальной системы электролита для проточных батарей на основе редоксмеров.

Виджай Муругесан, материаловед из PNNL и соавтор статьи, говорит, что люди часто видят в автоматизированных системах способ ускорить открытие за счёт увеличения количества экспериментов. Исследователи хотели ускорить открытие не за счёт количества, а за счёт качества, используя искусственный интеллект для науки.

Хотя платформа предназначена для смесей электролитов для хранения энергии, общий процесс может быть применён и к другим системам. По словам исследователей, это особенно полезно при работе с большим количеством потенциальных решений в рамках ограниченной системы.

Высокопроизводительные данные для искусственного интеллекта

Вместо проведения экспериментов группа по высокопроизводительным экспериментам собирала данные для заполнения пробелов в алгоритме искусственного интеллекта.

Часто нужные модели искусственного интеллекта данные недоступны для лабораторных систем, и алгоритм приходится обучать на результатах вычислений, что может привести к погрешностям.

Янган Лян, соавтор исследования и эксперт по высокопроизводительным экспериментам в PNNL, говорит, что определение оптимальных смесей растворителей представляет собой масштабную проблему:

Мы определили 2000 возможных комбинаций. Это непрактичное количество комбинаций, которые можно проверить даже с помощью нашей роботизированной системы.

Хотя робот может проводить эксперименты быстрее, ему всё равно требуются химикаты и энергия.

Чтобы найти лучшие варианты без искусственного интеллекта, потребовалось бы провести сотни экспериментов.

Команда начала сбор данных с анализа пробелов в обучающих наборах для модели ИИ. Это позволило лучше обучить систему, которая давала более точные прогнозы для следующих экспериментов.

Наш подход эффективен, — говорит Муругесан.

Мы используем скорость и интуицию, чтобы обучать ИИ.

Сила совместных данных

Сотрудничество принесло два результата:

• определение смеси растворителей;
• создание высокоточного набора данных на основе экспериментальных сведений.

Эти данные могут быть полезны в будущих исследованиях, помимо изучения смесей растворителей для органических редокс-батарей.

Мы создали точные данные, которые помогут построить более совершенные прогностические модели», — говорит Муругесан.

Наша команда имеет большой опыт работы благодаря инвестициям Министерства энергетики. Центры специализируются на амбициозных идеях, требующих объединения усилий из разных областей науки.

Муругесан:

Мы пришли к покойному Джорджу Крэбтри, директору-основателю JCESR, с идеей использовать возможности PNNL для открытия электролитов. Он вдохновил нас мыслить шире и сотрудничать с командой ИИ. Благодаря ему мы поняли, что вместе можем быстрее добиваться результатов за счёт интеграции моделей ИИ и роботизированных платформ.

Шаги к самодвижущейся лаборатории

Команда исследователей получила данные о материалах, которые нужны для создания систем искусственного интеллекта. Они будут управлять экспериментами в автономных лабораториях.

Хиеу Доан, соавтор исследования и руководитель работы над ИИ, считает такие рабочие процессы основой нового подхода к открытию материалов.

Карл Мюллер, соавтор статьи и директор Управления по разработке программ Директората физических и вычислительных наук, добавил:

Иисследователи ИИ и материаловеды должны сотрудничать. Это ускорит открытие новых материалов, а они важны для решения проблем хранения энергии.

26.09.2024