Diagramma schematico dell'esperimento elettrolitico automatizzato:"Clio". Utilizza una serie di due pompe programmatiche per dosare e trasferire un campione liquido. Il dosaggio avviene dalle soluzioni di alimentazione (a) attraverso una valvola a 24 porte (b) mediata da pompe (c) e una valvola a tre vie (d) in un recipiente di scarico (e) o in un recipiente comune con un sonicatore per la miscelazione ( f). Il trasferimento preleva il campione liquido attraverso una camera di conducibilità a doppio filo Pt collegata a un potenziostato Palmsens4 (g), una valvola a tre vie che porta a un bilancio di massa (h) e un viscosimetro Brookfield (i). Tutta la commutazione a 5 V è gestita da un relè Devantech (j). Il software Labview personalizzato (k) orchestra tutti gli strumenti. L'argon dal vano portaoggetti è convogliato ad alta pressione (l) per aiutare a liberare il volume chiuso. Credito:Comunicazioni sulla natura (2022). DOI:10.1038/s41467-022-32938-1
Un team di ricercatori della Carnegie Mellon University ha sviluppato un nuovo approccio per accelerare il processo di creazione di batterie sempre più ottimizzate. Nel loro articolo pubblicato sulla rivista Nature Communications , il gruppo descrive come hanno accoppiato un tipo unico di robot con un sistema di apprendimento basato sull'intelligenza artificiale per creare elettroliti liquidi non acquosi sempre più utili.
Poiché le vendite di dispositivi portatili sono salite alle stelle e le case automobilistiche si sono rivolte ai veicoli elettrici, è aumentata anche la domanda di batterie che durano più a lungo e si caricano più rapidamente. Sfortunatamente, la scienza dello sviluppo di nuove batterie per soddisfare tali esigenze è rimasta indietro:in genere implica l'uso dell'intuizione da parte dei chimici insieme alla perseveranza. Tali sforzi possono richiedere anni. In questo nuovo studio, i ricercatori di Pittsburgh hanno cercato di accelerare il processo utilizzando tecniche di automazione.
Al centro della maggior parte del design delle batterie c'è la creazione di un elettrolita per batterie agli ioni di litio non acquoso che funzioni meglio di quelli sviluppati in precedenza. I ricercatori tendono a puntare per una conduttività ionica ottimizzata. Per accelerare il processo di ricerca, i ricercatori hanno creato un robot chiamato Clio che ha accettato gli ingredienti utilizzati per creare un elettrolita e quindi ha seguito una serie di istruzioni per realizzare alcuni campioni.
Hanno quindi aggiunto un computer che esegue un'applicazione AI di deep learning (chiamata Dragonfly) che accettava i dati da Clio e dai sensori nell'elettrolita prodotto dal robot. Dragonfly ha analizzato il campione, quindi ha suggerito possibili miglioramenti. Clio ha accettato i miglioramenti e li ha utilizzati per creare un nuovo campione. Questo sistema avanti e indietro è stato ripetuto più volte (ciascuna ha richiesto circa due giorni) con un graduale miglioramento dell'elettrolito. In un punto designato dai ricercatori, la coppia meccanica ha cessato di funzionare, consentendo ai ricercatori di testare i prodotti che erano stati realizzati.
Nei loro test, i ricercatori hanno scoperto che il loro sistema accoppiato funzionava come sperato, hanno visto miglioramenti graduali nei campioni di elettroliti:il migliore è risultato essere il 13% migliore rispetto alle batterie con le migliori prestazioni ora sul mercato.
Andando avanti, i ricercatori intendono continuare a perfezionare il loro sistema per consentire di testare più obiettivi e forse per farlo funzionare più velocemente. + Esplora ulteriormente
© 2022 Rete Science X
