به گزارش گروه علم و آموزش ایران اکونومیست از پایگاه خبری تِک اکسپلور (Tech Xplore)، با وجود محبوبیت فزاینده وسایل نقلیه برقی، بسیاری از افراد هنوز برای استفاده از آنها مردد هستند. یکی از دلایل این موضوع این است که شارژکردن یک خودروی برقی بسیار بیشتر طول میکشد تا بنزینزدن یک خودروی معمولی؛ اما افزایش سرعت فرایند شارژ احتمالاً به باتری صدمه میزند و طول عمر آن را کاهش میدهد.
به گفته تیم پژوهشی آزمایشگاه ملی آیداهو، شارژ پرسرعت کلید افزایش اعتماد مصرفکننده و پذیرش کلی وسایل نقلیه است. شارژ پرسرعت وسایل نقلیه برقی به بنزینزدن در پمپ بنزین بسیار شبیه است.
شارژکردن باتریهای لیتیومیونی که سوخت وسایل نقلیه برقی را تأمین میکند یک عمل متعادلکننده ظریف است. دلخواه رانندگان این است که با سرعت هرچه بیشتر خودرویشان را شارژ کنند و به بزرگراهها بازگردند؛ اما با فناوری کنونی، سرعتبخشیدن به فرایند شارژ ممکن است باعث ایجاد صدمه شود. هنگامی که یک باتری لیتیومیونی شارژ میشود، یونهای لیتیوم از یک سمت باتری، کاتد، به سمت دیگر آن، آنُد، مهاجرت میکنند.
هنگامی که مهاجرت یونهای لیتیم را سرعت میبخشیم، باتری سریعتر شارژ میشود؛ اما گاهی یونهای لیتیوم به صورت کامل به آند مهاجرت نمیکنند. در چنین وضعیتی، ممکن است فلز لیتیوم ساخته شود و این ممکن است باعث خرابی زودهنگام باتری شود. همچنین ممکن است باعث شود کاتد ساییده شود یا ترک بخورد. همه این مشکلات طول عمر باتری و دامنه مؤثر وسایل تقلیه را کاهش خواهد داد که پیامدهایی پرخرج و آزاردهنده برای رانندگان خواهد داشت.
یک راهحل برای این مسئله بغرنج این است که پروتکل شارژ را بهگونهای تنظیم کنیم که سرعت را بهینه کند و در عین حال از واردشدن آسیب به انواع مختلف باتری که در حال حاضر در وسایل نقلیه استفاده میشود، جلوگیری شود؛ اما طراحی پروتکلهای بهینه نیازمند حجم عظیمی از دادهها درباره این است که چگونه روشهای مختلف بر طول عمر، کارایی و ایمنی باتریها تأثیر میگذارد. طراحی و وضعیت باتریها، همچنین امکان بهکارگیری یک پروتکل شارژ معین با زیرساخت شبکه برق فعلی نیز متغیرهای کلیدی هستند.
تیم پژوهشی آزمایشگاه ملی آیداهو، بهمنظور مقابله با این مشکلات، از تکنیکهای یادگیری ماشین استفاده کرده است که دادههای شارژ را برای ایجاد پروتکلهای شارژ منحصربهفرد ترکیب میکند.
دانشمندان با واردکردن اطلاعات وضعیت تعداد زیادی از باتریهای لیتیومیونی در طول چرخههای شارژ و دِشارژ، آنالیز یادگیری ماشین را برای پیشبینی طول عمر و روشهایی که طراحیهای مختلف در نهایت شکست میخورند، آموزش دادند. این تیم، سپس، دادهها را به تجزیهوتحلیل بازگرداندند تا پروتکلهای جدیدی را شناسایی و بهینه کنند و بعداً آنها را روی باتریهای واقعی آزمایش کردند.
آنها معتقدند مقداری از انرژی را که میتواند در مدتی کوتاه وارد یک سلول باتری شود به طور معناداری افزایش دادهاند و اکنون بدون آبکاری لیتیوم یا ترکخوردگی کاتد بیش از ۹۰ درصد باتری در ۱۰ دقیقه شارژ میشود.
رسیدن از یک باتری تقریباً بدون شارژی به یک باتری با ۹۰درصد شارژ فقط در ۱۰ دقیقه از روشهای کنونی فاصله زیادی دارد. با استفاده از روشهای کنونی، یک وسیله نقلیه در بهترین حالت حدود نیم ساعت طول میکشد که کاملاً شارژ شود. در حالی که بسیاری از پژوهشگران به دنبال روشهایی برای دستیابی به این نوع شارژ بسیار سریع هستند، تیم پژوهشی اظهار میکند که یکی از امتیازات مدل یادگیری ماشین آنها این است که پروتکلها را به فیزیک آنچه در باتریها رخ میدهد، پیوند میزند.
پژوهشگران قصد دارند از مدل خود برای طراحی روشهای بهتر و کمک به طراحی باتریهای لیتیومیونی جدید استفاده کنند که برای شارژ سریع بهینه سازی شدهاند. هدف نهایی آنها این است که وسایل نقلیه برقی بتوانند به ایستگاههای شارژ «بگویند» چگونه باتریهای خاص خود را سریع و ایمن روشن کنند.