Utilisation de l’IA et des robots pour accélérer l’optimisation du développement de nouvelles batteries
28 septembre 2022
rapport
Schéma de principe d’une expérience d’électrolyte automatisée – « Clio ». Il utilise une série de deux pompes programmatiques pour doser et transférer un échantillon liquide. Le dosage se produit à partir des solutions d’alimentation (a) via une vanne à 24 ports (b) médiée par des pompes (c) et une vanne à trois voies (d) dans un récipient à déchets (e) ou un récipient commun avec un sonicateur pour le mélange ( F). Le transfert prend l’échantillon liquide à travers une chambre de conductivité à double fil Pt connectée à un potentiostat Palmsens4 (g), une vanne à trois voies menant à un bilan de masse (h) et un viscosimètre Brookfield (i). Toutes les commutations 5 V sont gérées par un relais Devantech (j). Le logiciel Labview personnalisé (k) orchestre tous les instruments. L’argon de la boîte à gants est acheminé à haute pression (l) pour faciliter l’évacuation du volume fermé. Le crédit: Communication Nature (2022). DOI : 10.1038/s41467-022-32938-1
Une équipe de chercheurs de l’Université Carnegie Mellon a développé une nouvelle approche pour accélérer le processus de création de batteries toujours plus optimisées. Dans leur article publié dans la revue Communication Naturele groupe décrit comment ils ont associé un type unique de robot à un système d’apprentissage de l’IA pour créer des électrolytes liquides non aqueux toujours plus utiles.
Alors que les ventes d’appareils portables ont explosé et que les constructeurs automobiles se sont tournés vers les véhicules électriques, la demande de batteries qui durent plus longtemps et se chargent plus rapidement a également augmenté. Malheureusement, la science du développement de nouvelles batteries pour répondre à de tels besoins a pris du retard – cela implique généralement l’utilisation de l’intuition de la part des chimistes ainsi que de la persévérance. De tels efforts peuvent prendre des années. Dans cette nouvelle étude, les chercheurs de Pittsburgh ont cherché à accélérer le processus en utilisant des techniques d’automatisation.
Au cœur de la conception de la plupart des batteries se trouve la création d’un électrolyte de batterie lithium-ion non aqueux qui fonctionne mieux que ceux qui ont été développés auparavant. Les chercheurs ont tendance à viser une conductivité ionique optimisée. Pour accélérer le processus de recherche, les chercheurs ont créé un robot appelé Clio qui acceptait les ingrédients utilisés pour fabriquer un électrolyte, puis suivait un ensemble d’instructions pour fabriquer des échantillons.
Ils ont ensuite ajouté un ordinateur exécutant une application d’IA d’apprentissage en profondeur (appelée Dragonfly) qui acceptait les données de Clio et des capteurs de l’électrolyte produit par le robot. Dragonfly a analysé l’échantillon puis suggéré des améliorations possibles. Clio a accepté les améliorations et les a utilisées pour faire un nouvel échantillon. Ce système de va-et-vient a été répété plusieurs fois (chacune a pris environ deux jours) avec une amélioration progressive de l’électrolyte. À un point désigné par les chercheurs, la paire mécanique a cessé de fonctionner, permettant aux chercheurs de tester les produits qui avaient été fabriqués.
Lors de leurs tests, les chercheurs ont constaté que leur système jumelé fonctionnait comme prévu, ils ont constaté des améliorations progressives dans les échantillons d’électrolyte – le meilleur s’est avéré être 13% meilleur que les batteries les plus performantes actuellement sur le marché.
À l’avenir, les chercheurs prévoient de continuer à affiner leur système pour permettre de tester plus d’objectifs et peut-être de le faire fonctionner plus rapidement.
