قام فريق بحث دولي مشترك بتطوير تقنية للتعرف على تكوين العناصر وعدد دورات الشحن والتفريغ للبطاريات بدقة باستخدام تقنية الذكاء الاصطناعي من خلال فحص هيكلها السطحي فقط، حيث طور البروفيسور سيونغبوم هونغ من معهد كايست للعلوم والتكنولوجيا المتقدمة في قسم علوم وهندسة المواد، بالتعاون مع معهد البحوث في الإلكترونيات والاتصالات (ETRI) وجامعة دريكسل في الولايات المتحدة، طريقة للتنبؤ بالتركيب العنصري الرئيسي وحالة الشحن والتفريغ لمواد الكاثود NCM باستخدام شبكات الأعصاب العصبية التصويرية بدقة تصل إلى 99.6%.
وقد لاحظ الفريق البحثي أنه عند استخدام المجهر الإلكتروني الماسح (SEM) في صناعة الشرائح الدقيقة، فإنه نادراً ما يُستخدم في فحوصات البطاريات. تم استخدام SEM في تحليل حجم الجسيمات في مجال البحث فقط، ويتم توقع الاعتمادية من الجسيمات المتكسرة وشكل التلف في حالة مواد البطارية المتدهورة.
وقرر الفريق البحثي أنه سيكون من الثوري إذا تم استخدام مجهر SEM الآلي في عملية إنتاج البطارية، مثلما هو الحال في صناعة الشرائح الدقيقة، لفحص سطح مواد الكاثود لتحديد ما إذا تم تخليقها وفقًا للتركيب المطلوب وأن تكون عمرها المتوقع موثوقًا به، مما يقلل من معدل العيوب.
اقرأ أيضًا >> يوتيوب تُتيح لك إزالة محتوى الذكاء الاصطناعي الذي يستخدم صورتك أو صوتك
وقام الباحثون بتدريب شبكة عصبية تصويرية تُطبق في مركبات ذاتية القيادة لتحديد صور سطح مواد البطارية، مما يمكّنها من التنبؤ بالتركيب العنصري الرئيسي وحالات دورات الشحن والتفريغ لمواد الكاثود. ووجدوا أن الطريقة يمكنها توقع تركيب المواد بالدقة في حالة الإضافات، ولكن كانت دقتها أقل في توقع حالات الشحن والتفريغ.
ويخطط الفريق لتدريب الذكاء الاصطناعي بشكل أعمق باستخدام أشكال مختلفة لهياكل مواد البطارية المنتجة من خلال عمليات مختلفة، وفي النهاية استخدامه لفحص التجانس التركيبي والتنبؤ بعمر البطاريات من الجيل القادم.
قال البروفيسور جوشوا أجار، أحد الباحثين المتعاونين في المشروع من قسم الهندسة الميكانيكية والميكانيكا في جامعة دريكسل:
“من المتوقع أن يتم تطبيق الذكاء الاصطناعي في المستقبل ليس فقط على مواد البطاريات بل أيضًا على مختلف العمليات الديناميكية في توليف المواد الوظيفية، وإنتاج الطاقة النظيفة في الاندماج، وفهم أسس الجسيمات والكون.”
وأضاف البروفيسور سيونغبوم هونغ من KAIST، الذي قاد البحث:
“تعتبر هذه الدراسة هامة حيث أنها الأولى في العالم التي تطوّر منهجية قائمة على الذكاء الاصطناعي يمكنها توقع بسرعة وبدقة التركيب العنصري الرئيسي وحالة البطارية من البيانات الهيكلية لصور مجهر SEM على مقياس الميكرون، من المتوقع أن تلعب المنهجية التي طورت في هذه الدراسة دورًا حاسمًا في تحسين أداء وجودة مواد البطاريات في المستقبل.”
