कल्पना करा की, तुमच्या जन्माच्या दिवशीच, एखाद्या भविष्यवेत्त्याने तुमच्या आई-वडिलांना सांगितले की तुम्ही किती काळ जगाल. असाच एक अनुभव बॅटरी रसायनशास्त्रज्ञांसाठी शक्य आहे, जे नवीन संगणकीय मॉडेल्सचा वापर करून, केवळ एका प्रायोगिक चक्राच्या माहितीच्या आधारे बॅटरीचे आयुष्यमान मोजत आहेत.

एका नवीन अभ्यासात, अमेरिकेच्या ऊर्जा विभागाच्या (DOE) आर्गॉन राष्ट्रीय प्रयोगशाळेतील संशोधकांनी, विविध प्रकारच्या बॅटरी केमिस्ट्रीच्या आयुर्मानाचा अंदाज घेण्यासाठी मशीन लर्निंगच्या सामर्थ्याचा वापर केला आहे. सहा वेगवेगळ्या बॅटरी केमिस्ट्रीचे प्रतिनिधित्व करणाऱ्या ३०० बॅटरींच्या संचातून आर्गॉन येथे गोळा केलेल्या प्रायोगिक माहितीचा वापर करून, शास्त्रज्ञ अचूकपणे ठरवू शकतात की वेगवेगळ्या बॅटरी किती काळ कार्यरत राहतील.

आर्गॉनच्या संशोधकांनी विविध प्रकारच्या रासायनिक रचनांच्या बॅटरीच्या जीवनचक्राचा अंदाज वर्तवण्यासाठी मशीन लर्निंग मॉडेल्सचा वापर केला आहे. (छायाचित्र: शटरस्टॉक/सीलस्टेप.)

मशीन लर्निंग अल्गोरिदममध्ये, शास्त्रज्ञ सुरुवातीच्या डेटाच्या संचावरून अनुमान काढण्यासाठी एका संगणक प्रोग्रामला प्रशिक्षित करतात आणि नंतर त्या प्रशिक्षणातून शिकलेल्या गोष्टींचा वापर करून डेटाच्या दुसऱ्या संचावर निर्णय घेतात.

"सेल फोनपासून ते इलेक्ट्रिक वाहने आणि ग्रिड स्टोरेजपर्यंत, बॅटरीच्या प्रत्येक वेगवेगळ्या प्रकारच्या वापरासाठी, बॅटरीचे आयुष्य प्रत्येक ग्राहकासाठी अत्यंत महत्त्वाचे आहे," असे या अभ्यासाचे लेखक, आर्गॉनचे संगणकीय शास्त्रज्ञ नोआ पॉलसन म्हणाले. "बॅटरी निकामी होईपर्यंत तिला हजारो वेळा चालू-बंद करायला अनेक वर्षे लागू शकतात; आमची पद्धत एक प्रकारचे संगणकीय चाचणी केंद्र तयार करते, जिथे आम्ही वेगवेगळ्या बॅटरी कशा कामगिरी करतील हे पटकन ठरवू शकतो."

“सध्या, बॅटरीची क्षमता कशी कमी होते हे तपासण्याचा एकमेव मार्ग म्हणजे बॅटरीला प्रत्यक्षात सायकल करणे,” असे या अभ्यासाच्या आणखी एक लेखिका, आर्गॉनच्या विद्युत-रसायनशास्त्रज्ञ सुसान “सु” बॅबिनेक यांनी सांगितले. “हे खूप खर्चिक आहे आणि त्याला बराच वेळ लागतो.”

पॉलसन यांच्या मते, बॅटरीचे आयुष्यमान निश्चित करण्याची प्रक्रिया अवघड असू शकते. “वास्तविक पाहता, बॅटरी कायम टिकत नाहीत आणि त्या किती काळ टिकतील हे आपण त्यांचा कसा वापर करतो, तसेच त्यांची रचना आणि त्यातील रासायनिक घटकांवर अवलंबून असते,” असे ते म्हणाले. “आतापर्यंत, बॅटरी किती काळ टिकेल हे जाणून घेण्याचा खरोखरच कोणताही उत्तम मार्ग नव्हता. नवीन बॅटरीवर पैसे खर्च करण्याची वेळ येईपर्यंत आपल्याकडे किती वेळ आहे, हे लोकांना जाणून घ्यायचे असेल.”

या अभ्यासाचे एक वैशिष्ट्य म्हणजे, तो आर्गॉनमध्ये विविध प्रकारच्या बॅटरी कॅथोड सामग्रीवर, विशेषतः आर्गॉनच्या पेटंट असलेल्या निकेल-मँगनीज-कोबाल्ट (NMC) आधारित कॅथोडवर केलेल्या विस्तृत प्रायोगिक कार्यावर अवलंबून होता. पॉलसन म्हणाले, “आमच्याकडे वेगवेगळ्या रासायनिक रचना असलेल्या बॅटरी होत्या, ज्या वेगवेगळ्या प्रकारे खराब होऊन निकामी होऊ शकतात.” “या अभ्यासाचे महत्त्व हे आहे की, वेगवेगळ्या बॅटरी कशा प्रकारे कार्य करतात, याचे वैशिष्ट्यपूर्ण संकेत यातून आम्हाला मिळाले.”

या क्षेत्रातील पुढील अभ्यासात लिथियम-आयन बॅटरीच्या भविष्याला दिशा देण्याची क्षमता आहे, असे पॉलसन म्हणाले. “आम्ही करू शकणाऱ्या गोष्टींपैकी एक म्हणजे, अल्गोरिदमला ज्ञात रसायनशास्त्रावर प्रशिक्षित करणे आणि अज्ञात रसायनशास्त्रावर त्याच्याकडून अंदाज लावून घेणे,” असे ते म्हणाले. “थोडक्यात, हा अल्गोरिदम आम्हाला अधिक आयुष्यमान देणाऱ्या नवीन आणि सुधारित रसायनशास्त्रांच्या दिशेने मार्गदर्शन करण्यास मदत करू शकतो.”

अशा प्रकारे, मशीन लर्निंग अल्गोरिदम बॅटरी सामग्रीच्या विकासाला आणि चाचणीला गती देऊ शकेल, असा पॉलसन यांचा विश्वास आहे. “समजा तुमच्याकडे एक नवीन सामग्री आहे आणि तुम्ही तिची काही वेळा चाचणी केली. तिचे आयुष्यमान किती असेल याचा अंदाज घेण्यासाठी तुम्ही आमच्या अल्गोरिदमचा वापर करू शकता आणि त्यानंतर प्रायोगिकरित्या तिची चाचणी सुरू ठेवायची की नाही, याबद्दल निर्णय घेऊ शकता.”

"जर तुम्ही प्रयोगशाळेत संशोधक असाल, तर तुम्ही कमी वेळात अधिक सामग्री शोधू शकता आणि त्यांची चाचणी करू शकता, कारण तुमच्याकडे त्यांचे मूल्यांकन करण्याचा जलद मार्ग असतो," असे बॅबिनेक पुढे म्हणाले.

अभ्यासावर आधारित एक शोधनिबंध, “मशीन लर्निंगसाठी फीचर इंजिनिअरिंगमुळे बॅटरीच्या आयुर्मानाचा लवकर अंदाज लावणे शक्य झाले.,” जर्नल ऑफ पॉवर सोर्सेसच्या २५ फेब्रुवारीच्या ऑनलाइन आवृत्तीत प्रकाशित झाले.

पॉलसन आणि बॅबिनेक यांच्या व्यतिरिक्त, या शोधनिबंधाच्या इतर लेखकांमध्ये आर्गॉनचे जोसेफ कुबल, लोगन वॉर्ड, सौरभ सक्सेना आणि वेनक्वान लू यांचा समावेश आहे.

या अभ्यासाला आर्गॉन लॅबोरेटरी-डायरेक्टेड रिसर्च अँड डेव्हलपमेंट (LDRD) अनुदानातून निधी पुरवण्यात आला.