Учёные из NJIT открыли новые пористые материалы, способные произвести революцию в мультивалентных батареях.
Исследователи из Технологического института Нью-Джерси (NJIT) использовали искусственный интеллект, чтобы справиться с критической проблемой будущего хранения энергии: поиском доступных и устойчивых альтернатив литий-ионным батареям.
В исследовании, опубликованном в Cell Reports Physical Science, команда NJIT под руководством профессора Дибакара Датты успешно применила генеративные методы ИИ для быстрой идентификации новых пористых материалов, которые могут революционизировать мультивалентные батареи. Эти батареи, использующие такие распространённые элементы, как магний, кальций, алюминий и цинк, представляют собой многообещающую и более доступную альтернативу литий-ионным аккумуляторам, которые сталкиваются с глобальными проблемами поставок и устойчивости.
В отличие от традиционных литий-ионных батарей, работающих с ионами лития, несущими только один положительный заряд, мультивалентные батареи используют элементы, ионы которых несут два или даже три положительных заряда. Это означает, что такие батареи потенциально могут хранить значительно больше энергии, делая их чрезвычайно привлекательными для будущих систем хранения.
Однако больший размер и большая электрическая нагрузка мультивалентных ионов делают их сложными для эффективного размещения в материалах батарей — именно эту проблему и решает новое исследование команды NJIT с помощью ИИ.
«Одним из главных препятствий была не нехватка многообещающих химических систем для батарей, а сама невозможность протестировать миллионы комбинаций материалов», — сказал Датта. — «Мы обратились к генеративному ИИ как к быстрому и системному способу просеять этот огромный ландшафт и выявить те немногие структуры, которые действительно могут сделать мультивалентные батареи практичными».
«Такой подход позволяет нам быстро исследовать тысячи потенциальных кандидатов, резко ускоряя поиск более эффективных и устойчивых альтернатив литий-ионной технологии».
Чтобы преодолеть эти трудности, команда NJIT разработала новый двухуровневый ИИ-подход: Crystal Diffusion Variational Autoencoder (CDVAE) и тщательно настроенную большую языковую модель (LLM). Вместе эти инструменты ИИ быстро исследовали тысячи новых кристаллических структур, что ранее было невозможно при традиционных лабораторных экспериментах.
Модель CDVAE была обучена на обширных наборах данных известных кристаллических структур, что позволило ей предлагать совершенно новые материалы с разнообразными структурными возможностями. Тем временем LLM была настроена на выявление материалов, максимально близких к термодинамической стабильности, что критично для практического синтеза.
«Наши инструменты ИИ резко ускорили процесс открытия, выявив пять совершенно новых пористых оксидов переходных металлов, которые демонстрируют выдающийся потенциал», — сказал Датта. — «Эти материалы имеют большие открытые каналы, идеально подходящие для быстрого и безопасного движения громоздких мультивалентных ионов — критический прорыв для батарей следующего поколения».
Команда подтвердила свои ИИ-сгенерированные структуры с помощью квантово-механических симуляций и тестов на стабильность, доказав, что материалы действительно могут быть синтезированы экспериментально и обладают большим потенциалом для реальных применений.
Датта подчеркнул более широкое значение их ИИ-подхода: «Речь идёт не только об открытии новых материалов для батарей — мы создаём быстрый и масштабируемый метод исследования любых передовых материалов, от электроники до чистой энергетики, без длительных проб и ошибок».
Воодушевлённые этими результатами, Датта и его коллеги планируют сотрудничать с экспериментальными лабораториями для синтеза и тестирования материалов, созданных ИИ, продвигая исследования к коммерчески жизнеспособным мультивалентным батареям.
Новость является переводом оригинального материала: https://www.sciencedaily.com/releases/2025/08/250802022915.htm
Источник: habr.com