Нове дослідження показало, що штучний інтелект може суттєво прискорити розробку твердих акумуляторів. Вчені виявили, що швидкість руху іонів у твердих електролітах може бути визначена за допомогою нових методів машинного навчання.
Переваги твердих акумуляторів
Тверді акумулятори (ASSB) вважаються безпечнішою та енергоємнішою альтернативою традиційним літій-іонним акумуляторам. Їхня ефективність залежить від швидкості, з якою іони можуть переміщатися через тверді електроліти. Проте виявлення матеріалів, які забезпечують швидкий іонний рух, зазвичай вимагає тривалих експериментів.
Використання комп’ютерних симуляцій також є складним, оскільки існуючі підходи часто не можуть точно моделювати складну поведінку іонів при високих температурах.
Метод машинного навчання для виявлення сигналів
Вчені розробили новий метод, який поєднує машинне навчання з симуляціями спектрів Рамана. Вони виявили, що інтенсивність низькочастотного сигналу Рамана може служити чітким індикатором рідкоподібної іонної провідності.
Коли іони рухаються через кристалічну решітку, їхній рух тимчасово порушує симетрію решітки, що призводить до унікальних спектральних сигналів. Ці сигнали пов’язані з високою іонною рухливістю.
Перспективи для нових матеріалів
Дослідження також підтвердило, що матеріали з сильними низькочастотними сигналами Рамана демонструють високу іонну дифузію. Це відкриває нові можливості для швидкого виявлення нових суперіонних матеріалів.
Метод дозволяє науковцям швидше ідентифікувати матеріали, що сприяють швидкому іонному проведенню, що може прискорити розвиток високоефективних твердих акумуляторів.
Висновки були опубліковані в журналі AI for Science, що спеціалізується на міждисциплінарних дослідженнях штучного інтелекту.
