Przełom w akumulatorach. Sztuczna inteligencja złamała kod elektrolitów, nad którym nauka głowiła się pół wieku

Problem, który spędzał sen z powiek naukowcom

Akumulatory litowo-jonowe, używane dziś w smartfonach, laptopach i samochodach elektrycznych, od lat są rozwijane w kierunku większej pojemności, bezpieczeństwa i trwałości. Najsłabszym punktem pozostaje jednak elektrolit — medium, które przewodzi jony między anodą a katodą.

• Elektrolity ciekłe, stosowane w obecnych ogniwach, mogą być łatwopalne i podatne na wycieki.

• Elektrolity stałe (solid-state) obiecują bezpieczniejsze i wydajniejsze baterie, ale znalezienie odpowiedniego materiału od dekad stanowiło wyzwanie.

Idealny elektrolit powinien być przewodnikiem jonowym, a zarazem odporny chemicznie i stabilny w długim czasie pracy. Problem w tym, że poprawa jednej cechy często pogarsza inną.

Jak sztuczna inteligencja zmienia zasady gry

Tradycyjne poszukiwania nowych materiałów polegały na latach eksperymentów i metodzie prób i błędów. Zespół badawczy pod kierownictwem dr. Ritesha Kumara z Pritzker School of Molecular Engineering (University of Chicago) zdecydował się wykorzystać sztuczną inteligencję, aby przyspieszyć proces.

Stworzono narzędzie oparte na analizie setek prac naukowych z ostatnich 50 lat. Model SI został wytrenowany na bazie ponad 250 publikacji, dzięki czemu potrafi rozpoznać wzorce między strukturą cząsteczek a ich właściwościami elektrochemicznymi.

eScore – matematyka przełożona na praktykę

Najważniejszym elementem badań jest wskaźnik eScore, który ocenia każdą cząsteczkę pod kątem trzech kryteriów:

• przewodności jonowej,

• stabilności oksydacyjnej,

• wydajności Coulomba (czyli zdolności do przechowywania i oddawania ładunku).

Dzięki temu narzędzie SI potrafi usystematyzować tysiące kandydatów i wskazać te o największym potencjale do dalszych testów.

Zdjęcie wygenerowane przez AI

Pierwsze sukcesy – nie tylko teoria

Zastosowanie algorytmu przyniosło wymierny efekt: model zidentyfikował cząsteczkę, której parametry dorównują najlepszym komercyjnym elektrolitom. To potwierdza, że metoda działa nie tylko w teorii, ale też w praktyce.

Naukowcy podkreślają, że przełom nie oznacza natychmiastowych wdrożeń — droga od odkrycia do masowej produkcji zajmie lata. Jednak czas potrzebny na identyfikację nowych materiałów może skrócić się z dziesięcioleci do kilku miesięcy.

Co to oznacza dla elektromobilności i energetyki

Potencjalne korzyści z wdrożenia elektrolitów solid-state są ogromne:

• Samochody elektryczne zyskałyby większy zasięg, szybsze ładowanie i lepsze bezpieczeństwo.

• Elektronika użytkowa mogłaby działać dłużej na jednym ładowaniu, bez ryzyka przegrzewania.

• Magazyny energii stałyby się bardziej niezawodne i bezpieczne, co ma znaczenie w kontekście rosnącego udziału OZE.

Eksperci porównują tę zmianę do momentu przejścia z baterii niklowo-kadmowych na litowo-jonowe — tyle że dziś wsparciem jest sztuczna inteligencja, która pozwala ominąć lata żmudnych eksperymentów.

Wnioski: 50 lat poszukiwań skrócone do jednego algorytmu

Badania zespołu dr. Kumara pokazują, że sztuczna inteligencja nie tylko wspiera naukę, ale realnie otwiera nowe możliwości. Znalezienie solid-state elektrolitu było marzeniem od lat 70., a dziś — dzięki analizie danych i uczeniu maszynowemu — udało się zrobić milowy krok w stronę jego realizacji.

To oznacza, że kolejna generacja baterii może być bliżej niż myślimy, a samochody elektryczne i urządzenia przenośne dostaną akumulatory bezpieczniejsze, trwalsze i wydajniejsze.