AI oppdager nye materialer for neste generasjons batterier

Litium versus resten

Litiumionbatterier har så langt dominert elektrifiseringslandskapet, i stor grad på grunn av litiumatomenes unike elektriske egenskaper. Enkelt sagt, litium, som den tredje^rd Det letteste grunnstoffet i periodesystemet, er det kraftigste når det gjelder å bære ladninger med et enkelt elektron.

kilde: Medium

Litium er imidlertid dyrt, noe som gjør alternative batterikjemier potensielt økonomisk attraktive. Spesielt, Natriumionbatterier har fått stadig større popularitet av nettopp denne grunnen.

Det ser ut til at en annen design kan ha større potensial enn tidligere antatt: multivalente ionbatterier. De brukte metallioner som kan bære mer enn ett elektron samtidig, og som kan være mer kostnadseffektive enn litiumionbatterier.

Det nylige gjennombruddet ble oppnådd ved å bruke kunstig intelligens til å teste millioner av kombinasjoner for batterimaterialene. Denne oppdagelsen ble gjort av forskere ved New Jersey Institute of Technology (NJIT) og Rensselaer Polytechnic Institute (RPI) (USA). De publiserte resultatene sine i Cell Reports Physical Science.¹, under tittelen «Generativ AI for å oppdage porøse oksidmaterialer for neste generasjons energilagring".

De mange typene ionbatterier

Hvis litiumion tok over liten elektronikk og tidlige elbildesign takket være energitettheten, kan mange andre metallioner brukes i henhold til samme prinsipp.

Som diskutert er natriumion for tiden et populært alternativ, og produseres i økende grad masse for billige elbilmodeller.

Et annet alternativ er å bruke magnesium, kalsium, aluminium eller sink, som alle er flerverdige ioner. Dette betyr at de har to eller til og med tre positive ladninger.

Den større ladningen kommer imidlertid også med større størrelser. Begge de større atomspesifikasjonene gjør det vanskelig å effektivt tilpasse multivalente ioner i batterimaterialer, noe som reduserer batteritettheten for mye til å være kommersielt levedyktig.

I hvert fall var dette tilfellet med konvensjonelle batterimaterialer utviklet for litium- eller natriumioner. Men de er langt fra de eneste mulige batterimaterialene som kan brukes. Mange andre krystallinske strukturer kan bygges for å huse ionene hvis bevegelse bærer de elektriske ladningene.

«En av de største hindringene var ikke mangelen på lovende batterikjemi – det var den rene umuligheten av å teste millioner av materialkombinasjoner»

Professor Dibakar Datta - New Jersey Institute of Technology (NJIT)

AI-assisterende forskning

En kraftig assistent

Menneskehjerner er ikke de beste til å håndtere datasett der tallene går mot millioner. Men AI-er er utmerkede på det.

Det er en økende trend at forskere, spesielt innen materialvitenskap eller bioteknologi, bruker AI-teknologi for å identifisere de mest lovende ideene, før de analyserer og tester dem grundigere.

«Vi vendte oss til generativ AI som en rask og systematisk måte å sile gjennom det enorme landskapet og finne de få strukturene som virkelig kunne gjøre multivalente batterier praktiske.»

Professor Dibakar Datta - New Jersey Institute of Technology (NJIT)

Tidligere ville en datamodell som utelukkende var avhengig av fysikk ikke ha vært i stand til å håndtere den ekstremt komplekse beregningen som kreves for å modellere en ny type krystallstruktur.

Men nye typer AI, basert på maskinlæring og nevrale nettverk, er bedre i stand til å «gjette» den generelle egenskapen til et materiale uten formell matematisk beregning av fysikken bak.

kilde: Cell

Forskerne utviklet et system som var avhengig av to forskjellige typer AI samtidig, én med kunnskap om krystaller og én LLM (Large Language Model), den samme teknologiske basen bak ChatGPT.

kilde: Cell

Krystalldiffusjonsvariasjonsautokoder (CDVAE)

CDVAE-modellen genererte 10,000 XNUMX strukturer, som ble utsatt for en rekke presise screening- og valideringstrinn for å sikre at de oppfylte de nødvendige standardene.

For eksempel sjekket den at avstanden mellom atomparene var stor nok, eller systemets ladningsnøytralitet.

Denne metoden genererte 42 strukturer som potensielt kan brukes til batterimaterialer.

Av disse samsvarte 21 strukturer med eksisterende oppføringer i databasen, men tilbød nye konfigurasjoner med forskjeller i støkiometri, gitterparametere eller romgrupper. De resterende 21 strukturene var helt nye.

kilde: Cell

Så skapte den både nye versjoner av eksisterende materiale som tidligere var ukjent, og har helt nytt potensielt batterimateriale.

LLM

Forskerne brukte deretter Metas (FB + 0%) Llama-3.1-8B, spesialkalibrert og skreddersydd for å generere krystallstrukturer.

kilde: Cell

Dette genererte over 10,000 1,087 krystallstrukturer, hvorav 13 strukturer gjensto etter kontroll av strukturell integritet. Ved å bruke de samme filtrene som med CDVAE resulterte dette i 5 potensielle kandidater, hvorav de XNUMX mest stabile strukturene ble valgt.

kilde: Cell

Sveip for å bla →

Utfordrer AI-enes funn

Forskerne brukte en matematisk testmetode kalt «DFT-relaksasjon», som beregner materialets frie energi (knyttet til stabilitet), for å sjekke kvaliteten på det funnet materialet.

Det ser raskt ut til at de LLM-genererte krystallinske materialene generelt var mye bedre og mer stabile enn de som ble generert med CDVAE.

kilde: Cell

«Våre AI-verktøy akselererte oppdagelsesprosessen dramatisk, som avdekket fem helt nye porøse overgangsmetalloksidstrukturer som viser bemerkelsesverdig potensial.»

Professor Dibakar Datta - New Jersey Institute of Technology (NJIT)

Kan det lages?

Teamet validerte sine AI-genererte strukturer ved hjelp av kvantemekaniske simuleringer og stabilitetstester, noe som bekreftet at materialene faktisk kunne syntetiseres eksperimentelt og har et stort potensial for virkelige applikasjoner.

«Disse materialene har store, åpne kanaler som er ideelle for å flytte disse store flerverdige ionene raskt og trygt, et kritisk gjennombrudd for neste generasjons batterier.»

Professor Dibakar Datta - New Jersey Institute of Technology (NJIT)

Det neste trinnet vil være å samarbeide med eksperimentelle laboratorier for å syntetisere og teste de nylig konseptualiserte AI-designede materialene.

Det kan gjøre multivalente batterier til det neste steget innen batteriteknologi. Så langt har mangelen på et godt materiale som kan ta imot de større atomene blokkert utviklingen av dette alternativet. Ved å bruke bedre materialer til å lagre magnesium, aluminium eller andre store ioner, kan transportkapasiteten til flere elektroner til disse atomene kanskje en dag overgå selv litiums kraftige, men kraftbærende kapasitet på ett enkelt elektron.

Investering i materialvitenskap og AI-innovasjon

Meta: AI-drevet materialvitenskap

I dag er Meta fortsatt mest kjent for sine sosiale medieplattformer på Facebook og Instagram, samt WhatsApp-chat. De er også til stede i virtuell virkelighet (VR)-området med sine VR-hodesett og sin noe mislykkede «metaverse".

Det er imidlertid viktig at Meta er et AI-selskap med massive investeringer i infrastruktur for å få det til.

«Det første datasenteret på flere gigawatt, kalt Prometheus, forventes å komme i drift i 2026, mens et annet, kalt Hyperion, vil kunne skaleres opp til 5 gigawatt i løpet av de kommende årene.»

«Vi bygger også flere titanklynger. Bare én av disse dekker en betydelig del av Manhattans fotavtrykk.»

Marker Zuckerberg – Meta-grunnlegger og administrerende direktør

LLM-teknologi virker ved første øyekast å være mest nyttig for «snakkeoppgaver», som chatboter, forbedret nettsøk, utdanning og andre menneskesentrerte aktiviteter.

Men denne forskningen illustrerer at evnen til en LLM til å lære språk kan brukes til andre datatunge oppgaver, som å lære å «snakke» krystallstrukturer. Det samme kan for eksempel sies om genetiske koder.

Dette betyr at fremskritt innen LLM-algoritmer sannsynligvis vil innlede en gullalder med helt nye oppdagelser innen utvikling av nye materialer for batterier, avanserte materialer, energiproduksjon, etc., samt nye typer proteiner og DNA/RNA-materialer som kan omdannes til medisin, bioproduksjonsverktøy, etc.

I den sammenhengen innebærer dette at selskaper som Meta og Lama LLM-modellene ikke bare bygger potensielt lønnsomme teknologiske erstatninger for eksisterende verktøy, men også kan bli et IP-kraftverk i den fysiske verden.

I den sammenhengen kan det huskes at den opprinnelige teknologivirksomheten til selskaper som Meta, eller for den saks skyld Google (GOOGL + 0.49%) eller Microsoft (MSFT + 0.36%), var bare et springbrett før de ble gjort til AI- og IP-drevne giganter som forandret verden med mange nye teknologier, inkludert innen fornybar energi og materialvitenskap.

Siste Meta (META) aksjenyheter og utvikling

Studiereferert

^{1. Joy Datta, Amruth Nadimpally, Nikhil Koratkar, Dibakar Datta. Generativ kunstig intelligens for å oppdage porøse oksidmaterialer for neste generasjons energilagring. Cell Reports Physical Science, bind 6, utgave 7, 102665. 16. juli 2025. https://www.cell.com/cell-reports-physical-science/fulltext/S2666-3864(25)00264-4}