AI Menemukan Material Baru untuk Baterai Generasi Berikutnya

Lithium Versus Lainnya

Baterai lithium-ion sejauh ini mendominasi lanskap elektrifikasi, sebagian besar karena sifat listrik atom lithium yang unik. Sederhananya, lithium, sebagai baterai ketiga^rd unsur paling ringan dalam tabel periodik, merupakan unsur yang paling kuat dalam membawa muatan dengan satu elektron.

Sumber: Medium

Namun, litium mahal, sehingga kimia baterai alternatif berpotensi menarik secara ekonomi. Khususnya, Baterai ion natrium telah mendapatkan perhatian karena alasan ini.

Tampaknya ada desain lain yang mungkin memiliki potensi lebih besar daripada yang diperkirakan sebelumnya: baterai ion multivalen. Baterai ini menggunakan ion logam yang dapat membawa lebih dari satu elektron sekaligus, dan mungkin lebih hemat biaya daripada baterai lithium-ion.

Terobosan terbaru dicapai dengan menggunakan AI untuk menguji jutaan kombinasi material baterai. Penemuan ini dilakukan oleh para peneliti di New Jersey Institute of Technology (NJIT) dan Rensselaer Polytechnic Institute (RPI) (AS). Mereka mempublikasikan hasil penelitian mereka di Cell Reports Physical Science.¹, dengan judul ”AI generatif untuk menemukan material oksida berpori untuk penyimpanan energi generasi berikutnya".

Berbagai Jenis Baterai Ion

Jika litium-ion mengambil alih perangkat elektronik kecil dan desain EV awal berkat kepadatan energinya, banyak ion logam lainnya dapat digunakan sesuai dengan prinsip yang sama.

Sebagaimana dibahas, ion natrium saat ini merupakan alternatif populer dan semakin banyak diproduksi secara massal untuk model kendaraan listrik murah.

Pilihan lainnya adalah menggunakan magnesium, kalsium, aluminium, atau seng, yang semuanya merupakan ion multivalen. Ini berarti ion-ion tersebut membawa dua atau bahkan tiga muatan positif.

Namun, muatan yang lebih besar juga berarti ukuran yang lebih besar. Kedua spesifikasi atom yang lebih besar ini membuat ion multivalen sulit untuk diakomodasi secara efisien dalam material baterai, sehingga mengurangi kepadatan baterai secara signifikan sehingga tidak layak secara komersial.

Setidaknya, hal ini berlaku untuk material baterai konvensional yang dikembangkan untuk ion litium atau natrium. Namun, material tersebut bukanlah satu-satunya material baterai yang dapat digunakan. Banyak struktur kristal lain yang dapat dibangun untuk menampung ion-ion yang pergerakannya membawa muatan listrik.

“Salah satu kendala terbesar bukanlah kurangnya bahan kimia baterai yang menjanjikan — melainkan ketidakmungkinanan untuk menguji jutaan kombinasi material,”

Profesor Dibakar Datta - Institut Teknologi New Jersey (NJIT)

AI Membantu Penelitian

Asisten yang Kuat

Pikiran manusia memang tidak terlalu baik dalam menangani kumpulan data yang jumlahnya mendekati jutaan. Namun, AI sangat ahli dalam hal itu.

Ini adalah tren yang berkembang di kalangan peneliti, terutama dalam ilmu material atau bioteknologi, yang menggunakan teknologi AI untuk membantu mengidentifikasi ide-ide yang paling menjanjikan, sebelum menganalisis dan mengujinya secara lebih ketat.

“Kami beralih ke AI generatif sebagai cara cepat dan sistematis untuk menyaring lanskap yang luas itu dan menemukan beberapa struktur yang benar-benar dapat membuat baterai multivalen praktis.

Profesor Dibakar Datta - Institut Teknologi New Jersey (NJIT)

Sebelumnya, model komputasi yang hanya mengandalkan fisika tidak akan mampu menangani perhitungan sangat rumit yang diperlukan untuk memodelkan jenis struktur kristal baru.

Namun, jenis AI baru, yang berbasis pada pembelajaran mesin dan jaringan saraf, lebih mampu “menebak” sifat umum suatu material tanpa perhitungan matematis formal dari fisika di baliknya.

Sumber: Sel

Para peneliti mengembangkan sistem yang mengandalkan dua jenis AI berbeda pada saat yang sama, satu berpengetahuan tentang kristal, dan satu LLM (Model Bahasa Besar), basis teknologi yang sama di balik ChatGPT.

Sumber: Sel

Autoencoder Variasi Difusi Kristal (CDVAE)

Model CDVAE menghasilkan 10,000 struktur, yang mengalami serangkaian langkah penyaringan dan validasi yang tepat untuk memastikan struktur tersebut memenuhi standar yang diperlukan.

Misalnya, ia memeriksa apakah jarak antara pasangan atom cukup besar, atau netralitas muatan sistem.

Metode ini menghasilkan 42 struktur yang berpotensi digunakan untuk bahan baterai.

Dari jumlah tersebut, 21 struktur cocok dengan entri yang ada dalam basis data, tetapi menawarkan konfigurasi baru dengan perbedaan dalam stoikiometri, parameter kisi, atau grup ruang. Sisanya, 21 struktur, sepenuhnya baru.

Sumber: Sel

Jadi ia menciptakan versi baru dari material yang sudah ada yang sebelumnya tidak dikenal dan memiliki material baterai potensial yang sepenuhnya baru.

LLM

Para peneliti kemudian menggunakan Meta (FB + 0%) Llama-3.1-8B, dikalibrasi khusus dan dirancang untuk menghasilkan struktur kristal.

Sumber: Sel

Proses ini menghasilkan lebih dari 10,000 struktur kristal, dengan 1,087 struktur yang tersisa setelah pemeriksaan integritas struktural. Menggunakan filter yang sama seperti pada CDVAE, proses ini menghasilkan 13 kandidat potensial, yang mana 5 struktur paling stabil dipilih.

Sumber: Sel

Geser untuk menggulir →

Menantang Temuan AI

Para peneliti menggunakan metode pengujian matematika yang disebut “relaksasi DFT”, menghitung energi bebas material (terkait dengan stabilitas), untuk memeriksa kualitas material yang ditemukan.

Dengan cepat terlihat bahwa bahan kristal yang dihasilkan LLM secara umum jauh lebih baik dan lebih stabil daripada bahan kristal yang dihasilkan dengan CDVAE.

Sumber: Sel

“Alat AI kami secara dramatis mempercepat proses penemuan, yang mengungkap lima struktur oksida logam transisi berpori yang sepenuhnya baru yang menunjukkan janji luar biasa,”

Profesor Dibakar Datta - Institut Teknologi New Jersey (NJIT)

Bisakah Itu Dibuat?

Tim tersebut memvalidasi struktur yang dihasilkan AI menggunakan simulasi mekanika kuantum dan uji stabilitas, yang mengonfirmasi bahwa material tersebut memang dapat disintesis secara eksperimental dan memiliki potensi besar untuk aplikasi di dunia nyata.

“Material-material ini memiliki saluran terbuka yang besar, ideal untuk memindahkan ion-ion multivalen yang besar ini dengan cepat dan aman, sebuah terobosan penting bagi baterai generasi mendatang.”

Profesor Dibakar Datta - Institut Teknologi New Jersey (NJIT)

Langkah selanjutnya adalah berkolaborasi dengan laboratorium eksperimental untuk mensintesis dan menguji material rancangan AI yang baru dikonseptualisasikan.

Hal ini dapat menjadikan baterai multivalen sebagai langkah selanjutnya dalam teknologi baterai. Sejauh ini, kurangnya material yang baik untuk menampung atom yang lebih besar telah menghambat pengembangan opsi ini. Dengan menggunakan material yang lebih baik untuk menyimpan magnesium, aluminium, atau ion besar lainnya, kapasitas transpor multi-elektron atom-atom ini mungkin suatu hari nanti dapat melampaui kapasitas daya hantar litium yang kuat, tetapi hanya satu elektron.

Berinvestasi dalam Ilmu Material & Inovasi AI

Meta: Ilmu Material Berbasis AI

Saat ini, Meta masih dikenal luas karena platform media sosial Facebook dan Instagram-nya, serta fitur obrolan WhatsApp. Meta juga hadir di ranah realitas virtual (VR) dengan Headset VR-nya dan produknya yang terbilang kurang sukses, yaitu "Metaverse".

Namun, yang lebih penting lagi, Meta adalah perusahaan AI dengan investasi besar dalam infrastruktur untuk mewujudkannya.

Pusat data multi-gigawatt pertama, yang dijuluki Prometheus, diperkirakan akan beroperasi pada tahun 2026, sementara yang lain, yang disebut Hyperion, akan dapat ditingkatkan hingga 5 gigawatt dalam beberapa tahun mendatang.

Kami juga sedang membangun beberapa klaster Titan lagi. Satu klaster saja sudah mencakup sebagian besar wilayah Manhattan.

Mark Zuckerberg – Pendiri & CEO Meta

Teknologi LLM sekilas tampak lebih berguna untuk tugas-tugas "berbicara", seperti chatbot, peningkatan pencarian daring, pendidikan, dan aktivitas-aktivitas lain yang berpusat pada manusia.

Namun, penelitian ini menunjukkan bahwa kemampuan LLM untuk mempelajari bahasa dapat diterapkan pada tugas-tugas lain yang membutuhkan banyak data, seperti mempelajari cara "berbicara" dengan struktur kristal. Hal yang sama juga berlaku untuk kode genetik, misalnya.

Artinya, kemajuan dalam algoritma LLM kemungkinan akan mengantarkan pada zaman keemasan penemuan-penemuan yang sepenuhnya baru dalam penciptaan material-material baru untuk baterai, material-material canggih, pembangkitan energi, dsb., serta jenis-jenis protein dan material DNA/RNA baru yang dapat diubah menjadi obat-obatan, peralatan biomanufaktur, dsb.

Dalam konteks tersebut, ini menyiratkan bahwa perusahaan seperti Meta dan model Lama LLM-nya tidak hanya membangun pengganti teknologi yang berpotensi menguntungkan untuk peralatan yang ada, tetapi juga dapat berubah menjadi pusat kekuatan IP di dunia fisik.

Dalam konteks tersebut, mungkin perlu diingat bahwa bisnis teknologi awal dari perusahaan seperti Meta, atau Google, (GOOGL -0.68%) atau Microsoft (MSFT -1.64%), hanyalah batu loncatan sebelum mengubah mereka menjadi raksasa berbasis AI & IP yang mengubah dunia dengan banyak teknologi baru, termasuk dalam energi terbarukan dan ilmu material.

Berita dan Perkembangan Saham Meta (META) Terbaru

Studi Referensi

^{1. Joy Datta, Amruth Nadimpally, Nikhil Koratkar, Dibakar Datta. AI generatif untuk menemukan bahan oksida berpori untuk penyimpanan energi generasi berikutnya. Cell Reports Physical Science, Volume 6, Edisi 7, 102665. 16 Juli 2025. https://www.cell.com/cell-reports-physical-science/fulltext/S2666-3864(25)00264-4}