توسط مدیسون بروور ، مهندسی مکانیک دانشگاه کارنگی ملون30 نوامبر 2020″Otto” یک پلت فرم رباتیک است که با یادگیری ماشین در بهینه سازی الکترولیت برای باتری ها یکپارچه شده است. اعتبار: کالج مهندسی
یادگیری ماشینی به طور فزاینده ای به عنوان ابزاری استفاده می شود که به محققان کمک می کند مواد و ترکیبات جدیدی را برای رفع نیازهای خاص طراحی و آنها را کشف کنند. این رویکرد جدید زمان محققان را برای ایجاد و آزمایش تجربی مواد مختلف کاهش می دهد ، بنابراین می توان سریعتر به کشف جدید دست یافت. در دانشگاه کارنگی ملون ، دانشجوی دکترای مهندسی مکانیک Adarsh Dave ، و رئیس خدمات مشاوره تاتا ، این رویکرد را در مورد باتری ها اعمال کرده و به یک کشف شمی گوید آور دست یافته است.
وی می گوید انگیزه اش کاهش انتشار گازهای گلخانه ای است. نوآوری در باتری یکی از روش های آسان برای کاهش انتشار است. با این حال ، این نوآوری ها بسیار آهسته اتفاق می افتند زیرا علم شیمی کاملاً پیچیده است ، بنابراین تیم شروع به جستجوی راه هایی برای سرعت بخشیدن به آن کرد. این تحقیق بر روی الکترولیت های آبی متمرکز شده است ، که دیو می گوید برای ذخیره انرژی های تجدیدپذیر بسیار مناسب هستند.
دیو می گوید: “طراحی باتری های آبی با عملکرد بالا فرایند مهمی است که باید حل شود.” “با این وجود ، در این رابطه مقدار خیره کننده ای از فرمول بندی های ممکن برای انتخاب وجود دارد و از آنجاست که روند طراحی ما آغاز می شود.”
دیو و تیم هایش یک پلت فرم رباتیک به نام “اتو” ساختند تا الکترولیت های باتری را با اندازه گیری خواصی که موثر بودن آن را در باتری ها مشخص می کند ، توصیف کنند. یادگیری ماشینی با اتو ادغام شده است و با هم الکترولیت ها را برای باتری ها بهینه می کنند. رایانه به اوتو می گوید که کدام الکترولیت ها را آزمایش کند ، سپس اتو خصوصیات آن الکترولیت ها را به کامپیوتر می گوید. این رفت و برگشت بین اوتو و کامپیوتر به یادگیری ماشین کمک می کند تا بهینه سازی شود تا بهترین الکترولیت را پیدا کند. اتو می تواند الکترولیت ها را به همان سرعتی که انسان می تواند مخلوط و آزمایش کند ، اما برخلاف انسان ، اتو می تواند هر روز و ۲۴ ساعته کار کند.
ونكات ويسواناتان ، استاديار مهندسي مكانيك در CMU می گوید: “بيشتر آزمايشگاه هاي باتري الكتروليت را با لژيون هاي دانشجويان كارشناسي ارشد طراحي و آزمايش می كنند.” “ما فقط یک تیم سه نفره هستیم که یک ربات ساخته ایم تا بیشتر این کارها را برای ما انجام دهد.”
پیامدهای تحقیقات آنها از قبل مشهود است. در مقاله ای که اخیراً منتشر شده است ، دیو و تیمش “الکترولیت جدید و غیر شهودی” را ارائه می دهند که یادگیری ماشینی آن را نشان داده است . بدون تحقیق آنها ، این الکترولیت می توانست برای طراحان ناشناخته باقی بماند. این امر نویدبخش بزرگی برای آینده یادگیری ماشینی در فرایندهای طراحی است. علاوه بر این ، اتوماسیون اتو می تواند روند آزمایش را تسریع کند ، به دانشمندان اجازه می دهد تا روی تحقیقات بزرگ تری تمرکز کنند.
جی ویتاکر ، مدیر موسسه نوآوری انرژی اسکات و استاد مهندسی و سیاست های عمومی می گوید: “در حالی که هیچ ربات یا الگوریتمی جایگزین شهود یک شیمی دان بسیار آموزش دیده برای نوآوری نمی شود ، اما سیستم ما مطمئناً وظایف علمی و طراحی معمول را خودکار و تسریع می کند.”. “من امیدوارم که ببینم که همکارانم در آزمایشگاه های دیگر کارهای خسته کننده را به طور خودکار انجام می دهند و سرعت نوآوری در باتری را تسریع می کنند.”
