Maison Périphériques technologiques IA Plus de 13 fois plus rapide que le travail manuel, « robot + IA » découvre le meilleur électrolyte pour les batteries et accélère la recherche sur les matériaux

Plus de 13 fois plus rapide que le travail manuel, « robot + IA » découvre le meilleur électrolyte pour les batteries et accélère la recherche sur les matériaux

Apr 10, 2024 pm 01:30 PM
理论 énergie renouvelable

Plus de 13 fois plus rapide que le travail manuel, « robot + IA » découvre le meilleur électrolyte pour les batteries et accélère la recherche sur les matériauxÉditeur | Ziluo

Le modèle traditionnel de recherche et développement de matériaux repose principalement sur des méthodes expérimentales « essais et erreurs » ou sur des découvertes accidentelles, et son processus de recherche et développement prend généralement 10 à 20 ans.

Les méthodes basées sur les données et basées sur l'apprentissage automatique (ML) peuvent accélérer la conception de nouveaux matériaux pour les technologies d'énergie propre. Cependant, son application pratique dans la recherche sur les matériaux reste limitée en raison du manque de bases de données expérimentales à grande échelle et de haute fidélité.

Récemment, l'équipe de recherche du Pacific Northwest National Laboratory et du Argonne National Laboratory aux États-Unis a conçu un flux de travail hautement automatisé qui combine une plate-forme expérimentale à haut débit avec l'algorithme d'apprentissage actif le plus avancé pour filtrer efficacement les anodes. solvant organique avec une solubilité optimale. L'objectif de cette recherche est d'améliorer les performances et la stabilité des systèmes de stockage d'énergie afin de promouvoir l'application généralisée des énergies renouvelables. Traditionnellement, la recherche impliquant des anolytes nécessite généralement de nombreuses expériences par essais et erreurs, ce qui prend du temps et demande beaucoup de travail. Et grâce à ce flux de travail automatisé, les chercheurs peuvent filtrer plus rapidement les binaires appropriés

En plus d'un flux de travail efficace conçu pour développer des batteries à flux redox hautes performances, ce robot à haut débit guidé par l'apprentissage automatique. La plateforme offre une approche puissante et polyvalente pour accélérer la découverte de matériaux fonctionnels.

Le critique a commenté : « Cette étude montre qu'une plate-forme robotique guidée par l'IA peut trouver efficacement des combinaisons non intuitives de solvants et d'électrolytes dans les applications énergétiques. Ce travail a des implications importantes pour la communauté des batteries. »

L'étude est intitulée « » « Une plateforme robotique intégrée à haut débit et une approche d'apprentissage actif pour la découverte accélérée de formulations d'électrolytes optimales » a été publiée sur « Nature Communications » le 29 mars 2024.

Plus de 13 fois plus rapide que le travail manuel, « robot + IA » découvre le meilleur électrolyte pour les batteries et accélère la recherche sur les matériaux

Lien papier : https://www.nature.com/articles/s41467-024-47070-5

Afin d'assurer le développement d'applications de technologies d'énergie propre et de parvenir à une décarbonation profonde de l'électricité, il est crucial , la conception des matériaux dotés de propriétés fonctionnelles ciblées pour les outils est essentielle au développement d'applications de technologies d'énergie propre et à la réalisation d'une décarbonation profonde de l'électricité. Les méthodes traditionnelles d’essais et d’erreurs sont coûteuses et prennent du temps, de sorte que la nature des outils de conception est coûteuse et permet de gagner du temps.

La solubilité des molécules actives redox est un facteur important dans la détermination de la densité énergétique des batteries à flux redox (RFB). Cependant, la découverte de matériaux électrolytiques est limitée par le manque d’ensembles de données expérimentales sur la solubilité, essentiels pour exploiter les approches basées sur les données.

Néanmoins, le développement de molécules organiques (ROM) rédox-actives hautement solubles pour les RFB non aqueux (NRFB) reste une tâche difficile en raison du manque de standardisation des systèmes de solvants organiques et de données expérimentales de solubilité pertinentes pour l'application.

En utilisant la plate-forme automatisée d'expériences à haut débit (HTE), la fiabilité et l'efficacité de la méthode de mesure de la solubilité « excès de soluté » peuvent être améliorées et la base de données de solubilité du NRFB peut être construite. Cependant, même avec les systèmes HTE, la diversité des mélanges de solvants potentiels rend le processus de criblage plus long et plus coûteux.

L'apprentissage actif (AL), et plus particulièrement l'optimisation bayésienne (BO), s'est avéré être une méthode fiable pour accélérer la recherche d'électrolytes nécessaires aux applications de stockage d'énergie. Par conséquent, un flux de travail expérimental en boucle fermée guidé par BO peut être utilisé pour minimiser l’exécution de HTE.

Plate-forme robotique expérimentale à haut débit guidée par ML

Ici, les chercheurs utilisent le 2,1,3-benzothiadiazole (BTZ), un anolyte haute performance, avec un degré élevé de densité de charge délocalisée et une bonne stabilité chimique, comme un modèle de ROM. L’accent est mis sur l’étude de sa solubilité dans divers solvants organiques, démontrant le potentiel d’une plate-forme robotique d’expériences à haut débit (HTE) guidée par apprentissage automatique pour accélérer la découverte des électrolytes NRFB.

Plus de 13 fois plus rapide que le travail manuel, « robot + IA » découvre le meilleur électrolyte pour les batteries et accélère la recherche sur les matériaux

Illustration : Diagramme schématique du processus de criblage d'électrolytes en boucle fermée basé sur une plate-forme expérimentale à haut débit guidée par l'apprentissage automatique (ML). (Source : article)

Plus précisément, les chercheurs ont conçu un flux de travail de criblage de solvants en boucle fermée composé de deux modules connectés, à savoir HTE et BO. Le module HTE effectue la préparation des échantillons et les mesures de solubilité via une plateforme robotique à haut débit. Le composant BO se compose d'un modèle de substitution et d'une fonction d'acquisition, qui agissent ensemble comme un oracle, faisant des prédictions de solubilité et suggérant de nouveaux solvants à évaluer.

Le flux de travail est illustré dans la figure ci-dessous, les étapes spécifiques sont :

  • Tout d’abord, préparez la solution saturée de ROM et analysez l’échantillon via la plateforme HTE. Ensuite, les spectres de résonance magnétique nucléaire (RMN) de ces échantillons ont été acquis et les données spectrales ont été utilisées pour calculer la solubilité de la ROM.
  • Cet ensemble de données est ensuite utilisé pour former un modèle de substitution utilisé pour prédire la solubilité des échantillons non testés dans l'espace de recherche dans le cadre du processus BO.
  • La fonction d'acquisition est ensuite appliquée dans le cadre BO pour guider la sélection de nouveaux échantillons, guidant l'évaluation sur la base d'un équilibre des valeurs de solubilité prédites et des incertitudes associées (c'est-à-dire les scores de fitness), simplifiant ainsi la découverte et l'analyse des potentiels solvants.

Plus de 13 fois plus rapide que le traitement manuel des échantillons

La plate-forme automatisée peut préparer des solutions saturées avec un excès de soluté et des échantillons quantitatifs par résonance magnétique nucléaire (RMNq) avec une intervention manuelle minimale.

Avec le flux de travail HTE automatisé, la durée expérimentale totale pour effectuer les mesures de solubilité de 42 échantillons était d'environ 27 heures (~ 39 minutes/échantillon, moins de temps par échantillon lors de l'analyse de plus d'échantillons). C'est plus de 13 fois plus rapide que le traitement manuel des échantillons à l'aide de la méthode « excès de soluté » (environ 525 minutes par échantillon).

En plus de l'augmentation de vitesse fournie par le système HTE, la recherche a également mis l'accent sur le contrôle des conditions expérimentales, telles que la température (20°C) et le temps de stabilisation (8 heures), pour garantir une mesure précise de la solubilité du BTZ dans divers solvants organiques.

Plus de 13 fois plus rapide que le travail manuel, « robot + IA » découvre le meilleur électrolyte pour les batteries et accélère la recherche sur les matériaux

Illustration : Présentation de la plateforme automatisée d'expérimentation à haut débit (HTE). (Source : article)

Sur la base d'une revue de la littérature et d'une prise en compte des propriétés des solvants, les chercheurs ont répertorié 22 solvants candidats potentiels pour le BTZ. Ensuite, 2 079 solvants binaires supplémentaires ont été dénombrés en combinant ces 22 solvants uniques par paires, chacun avec 9 fractions volumiques différentes.

Tableau : Liste de 22 solvants organiques candidats et leurs propriétés physiques et chimiques. (Source : Papier)

Plus de 13 fois plus rapide que le travail manuel, « robot + IA » découvre le meilleur électrolyte pour les batteries et accélère la recherche sur les matériaux

La plateforme a identifié plusieurs solvants à partir d'une bibliothèque complète de plus de 2000 solvants potentiels avec un seuil de solubilité dépassant le prototype de molécule active rédox 2,1,3-benzothiadiazole 6,20M. Notamment, la stratégie globale nécessitait une évaluation de la solubilité pour moins de 10 % des médicaments candidats, soulignant l’efficacité de la nouvelle approche.

Plus de 13 fois plus rapide que le travail manuel, « robot + IA » découvre le meilleur électrolyte pour les batteries et accélère la recherche sur les matériaux

Illustration : Identification des électrolytes requis via l'optimisation bayésienne (BO). (Source : article)

Les résultats de la recherche montrent également que les mélanges de solvants binaires, notamment ceux incorporant du 1,4-dioxane (1,4-dioxane), contribuent à améliorer la solubilité du BTZ.

En résumé, l'étude démontre une plate-forme HTE guidée par ML pour le criblage d'électrolytes, où les prédictions ML et les expériences automatisées fonctionnent ensemble pour cribler efficacement les solvants organiques binaires avec une solubilité optimale pour le BTZ.

Cette recherche permet non seulement de relier les domaines de la science des données et de la science expérimentale traditionnelle, mais jette également les bases du développement futur d'une plateforme autonome dédiée au criblage des électrolytes de batterie.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Déclaration de ce site Web
Le contenu de cet article est volontairement contribué par les internautes et les droits d'auteur appartiennent à l'auteur original. Ce site n'assume aucune responsabilité légale correspondante. Si vous trouvez un contenu suspecté de plagiat ou de contrefaçon, veuillez contacter admin@php.cn

Article chaud

Repo: Comment relancer ses coéquipiers
3 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Crystals d'énergie expliqués et ce qu'ils font (cristal jaune)
1 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
Hello Kitty Island Adventure: Comment obtenir des graines géantes
3 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
Combien de temps faut-il pour battre Split Fiction?
3 Il y a quelques semaines By DDD

Article chaud

Repo: Comment relancer ses coéquipiers
3 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Crystals d'énergie expliqués et ce qu'ils font (cristal jaune)
1 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
Hello Kitty Island Adventure: Comment obtenir des graines géantes
3 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
Combien de temps faut-il pour battre Split Fiction?
3 Il y a quelques semaines By DDD

Tags d'article chaud

Bloc-notes++7.3.1

Bloc-notes++7.3.1

Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise

SublimeText3 version chinoise

Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1

Envoyer Studio 13.0.1

Puissant environnement de développement intégré PHP

Dreamweaver CS6

Dreamweaver CS6

Outils de développement Web visuel

SublimeText3 version Mac

SublimeText3 version Mac

Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Repoussant les limites de la détection de défauts traditionnelle, « Defect Spectrum » permet pour la première fois une détection de défauts industriels d'une ultra haute précision et d'une sémantique riche. Repoussant les limites de la détection de défauts traditionnelle, « Defect Spectrum » permet pour la première fois une détection de défauts industriels d'une ultra haute précision et d'une sémantique riche. Jul 26, 2024 pm 05:38 PM

Repoussant les limites de la détection de défauts traditionnelle, « Defect Spectrum » permet pour la première fois une détection de défauts industriels d'une ultra haute précision et d'une sémantique riche.

Le modèle de dialogue NVIDIA ChatQA a évolué vers la version 2.0, avec la longueur du contexte mentionnée à 128 Ko Le modèle de dialogue NVIDIA ChatQA a évolué vers la version 2.0, avec la longueur du contexte mentionnée à 128 Ko Jul 26, 2024 am 08:40 AM

Le modèle de dialogue NVIDIA ChatQA a évolué vers la version 2.0, avec la longueur du contexte mentionnée à 128 Ko

Google AI a remporté la médaille d'argent de l'Olympiade mathématique de l'OMI, le modèle de raisonnement mathématique AlphaProof a été lancé et l'apprentissage par renforcement est de retour. Google AI a remporté la médaille d'argent de l'Olympiade mathématique de l'OMI, le modèle de raisonnement mathématique AlphaProof a été lancé et l'apprentissage par renforcement est de retour. Jul 26, 2024 pm 02:40 PM

Google AI a remporté la médaille d'argent de l'Olympiade mathématique de l'OMI, le modèle de raisonnement mathématique AlphaProof a été lancé et l'apprentissage par renforcement est de retour.

Le point de vue de la nature : les tests de l'intelligence artificielle en médecine sont dans le chaos. Que faut-il faire ? Le point de vue de la nature : les tests de l'intelligence artificielle en médecine sont dans le chaos. Que faut-il faire ? Aug 22, 2024 pm 04:37 PM

Le point de vue de la nature : les tests de l'intelligence artificielle en médecine sont dans le chaos. Que faut-il faire ?

Afin de fournir un nouveau système de référence et d'évaluation de questions-réponses scientifiques et complexes pour les grands modèles, l'UNSW, Argonne, l'Université de Chicago et d'autres institutions ont lancé conjointement le cadre SciQAG. Afin de fournir un nouveau système de référence et d'évaluation de questions-réponses scientifiques et complexes pour les grands modèles, l'UNSW, Argonne, l'Université de Chicago et d'autres institutions ont lancé conjointement le cadre SciQAG. Jul 25, 2024 am 06:42 AM

Afin de fournir un nouveau système de référence et d'évaluation de questions-réponses scientifiques et complexes pour les grands modèles, l'UNSW, Argonne, l'Université de Chicago et d'autres institutions ont lancé conjointement le cadre SciQAG.

Formation avec des millions de données cristallines pour résoudre le problème de la phase cristallographique, la méthode d'apprentissage profond PhAI est publiée dans Science Formation avec des millions de données cristallines pour résoudre le problème de la phase cristallographique, la méthode d'apprentissage profond PhAI est publiée dans Science Aug 08, 2024 pm 09:22 PM

Formation avec des millions de données cristallines pour résoudre le problème de la phase cristallographique, la méthode d'apprentissage profond PhAI est publiée dans Science

Couvrant les tâches de texte, de positionnement et de segmentation, Zhiyuan et les Chinois de Hong Kong ont proposé conjointement le premier grand modèle médical multimodal 3D multifonctionnel Couvrant les tâches de texte, de positionnement et de segmentation, Zhiyuan et les Chinois de Hong Kong ont proposé conjointement le premier grand modèle médical multimodal 3D multifonctionnel Jun 22, 2024 am 07:16 AM

Couvrant les tâches de texte, de positionnement et de segmentation, Zhiyuan et les Chinois de Hong Kong ont proposé conjointement le premier grand modèle médical multimodal 3D multifonctionnel

Les performances de SOTA, la méthode d'IA de prédiction d'affinité protéine-ligand multimodale de Xiamen, combinent pour la première fois des informations sur la surface moléculaire Les performances de SOTA, la méthode d'IA de prédiction d'affinité protéine-ligand multimodale de Xiamen, combinent pour la première fois des informations sur la surface moléculaire Jul 17, 2024 pm 06:37 PM

Les performances de SOTA, la méthode d'IA de prédiction d'affinité protéine-ligand multimodale de Xiamen, combinent pour la première fois des informations sur la surface moléculaire

See all articles