ШІ використовується для виявлення чистих енергетичних матеріалів “швидше та ефективніше”

Дослідники з Університету Торонто розробили метод використання штучного інтелекту для пошуку нових і більш ефективних матеріалів для чистих енергетичних технологій.

Команда під керівництвом Алекса Возного, доцента кафедри фізичних та екологічних наук Університету Торонто в Скарборо, використовувала машинне навчання, щоб значно прискорити процес пошуку нових матеріалів з бажаними властивостями.

“Ми намагаємося знайти кращі альтернативи тим матеріалам, які в нас є зараз”, – каже Возний, чиї дослідження спрямовані на розробку нових матеріалів для літій-іонних батарей, зберігання водню, вловлювання CO2 і сонячних батарей.

“Це може означати розробку абсолютно нових матеріалів або використання матеріалів, про які ми вже знаємо, але ніколи не думали про їхнє застосування в чистій енергії”.

Возний каже, що основна проблема з матеріалами, які нині використовують у технологіях чистої енергії, полягає в тому, що вони або дорогі, або неефективні, або перебувають на межі своїх можливостей. Мета, за його словами, полягає у створенні нових і кращих матеріалів шляхом комбінування елементів наявних.

Модель машинного навчання спирається на дані, знайдені в проєкті “Матеріали” – відкритій базі даних про більш ніж 140 000 відомих матеріалів, розроблених за останнє десятиліття. Вона містить інформацію про компоненти відомих матеріалів, включно з кристалічною структурою, молекулярним складом, щільністю, енергопровідністю та стабільністю.

Щоб з’ясувати, яка комбінація наявних матеріалів може призвести до створення кращого літій-іонного акумулятора, наприклад, каже Возний, необхідно з’ясувати стабільність нового матеріалу і те, скільки енергії він може зберігати.

Проблема в тому, що розрахунки, необхідні для виконання цієї роботи, не дуже добре масштабуються. Складніші матеріали, як-от сплав, вимагають удвічі більше атомів для кодування, що робить розрахунки звичайними методами вчетверо повільнішими. Наразі для проведення подібних розрахунків використовується підхід квантової хімії, який Возний називає “обчисленнями за допомогою грубої сили”, оскільки він повільний і використовує багато обчислювальної потужності.

На відміну від цього, модель, розроблена командою Возного, може виконувати ці розрахунки в 1000 разів швидше.

“Наша філософія полягає в тому, що ми не хочемо витратити ще 10 років на підготовку даних, які передбачатимуть один і той самий результат”, – каже Возний, який керує Лабораторією чистої енергії в Університеті Ті Скарборо.

“Ми хочемо мати можливість передбачати нові матеріали швидше й ефективніше, щоб ми могли почати фізичне створення цих матеріалів раніше і з більшою впевненістю, що вони працюватимуть”.

Попередні моделі були здатні відтворювати стабільність відомих матеріалів, але вони не могли передбачати для матеріалів з невідомою кристалічною структурою, що відноситься до того, як атоми, іони та молекули розташовані в матеріалі, – істотний фактор у визначенні його фізичних властивостей. Тренування нової моделі на так званих спотворених структурах дає уявлення про те, як нові матеріали працюватимуть під час деформації, і дає змогу моделі релаксувати кристалічну структуру до більш стабільної конфігурації.

“Знання точної геометрії кристала необхідне для точного прогнозування властивостей нових матеріалів та їхніх характеристик”, – каже Возний. “Цей метод значно прискорює цей процес і відкриває безліч можливостей”.

Команда Возного використовувала Niagara, суперкомп’ютер U of T, розташований у центрі SciNet, для проведення розрахунків у рамках дослідження, яке було опубліковано в журналі Patterns.

Коллектив сайта

(Пока оценок нет)

Loading...