Forscher des New Jersey Institute of Technology (NJIT) haben künstliche Intelligenz eingesetzt, um ein kritisches Problem der Zukunft der Energiespeicherung zu lösen: die Suche nach erschwinglichen, nachhaltigen Alternativen zu Lithium-Ionen-Batterien.
In einer in Cell Reports Physical Science veröffentlichten Studie setzte das NJIT-Team unter der Leitung von Professor Dibakar Datta erfolgreich generative KI-Techniken ein, um schnell neue poröse Materialien zu entdecken, die die Entwicklung von Batterien mit mehrwertigen Ionen revolutionieren könnten. Diese Batterien, die häufig vorkommende Elemente wie Magnesium, Kalzium, Aluminium und Zink verwenden, bieten eine vielversprechende, kostengünstige Alternative zu Lithium-Ionen-Batterien, die mit globalen Versorgungsproblemen und Nachhaltigkeitsproblemen konfrontiert sind.
Im Gegensatz zu herkömmlichen Lithium-Ionen-Batterien, die nur eine positive Ladung tragen, verwenden multivalente Ionen-Batterien Elemente, deren Ionen zwei oder sogar drei positive Ladungen tragen. Das bedeutet, dass multivalente Ionen-Batterien potenziell deutlich mehr Energie speichern können, was sie für zukünftige Energiespeicherlösungen äußerst attraktiv macht.
Aufgrund ihrer größeren Größe und höheren elektrischen Ladung ist es jedoch schwierig, mehrwertige Ionen effizient in Batteriematerialien unterzubringen – ein Hindernis, das die neue KI-gestützte Forschung des NJIT-Teams direkt angeht.
Um diese Hürden zu überwinden, entwickelte das NJIT-Team einen neuartigen dualen KI-Ansatz: einen Crystal Diffusion Variational Autoencoder (CDVAE) und ein fein abgestimmtes Large Language Model (LLM). Gemeinsam erforschten diese KI-Tools in kürzester Zeit Tausende neuer Kristallstrukturen, was mit herkömmlichen Laborexperimenten bisher nicht möglich war.
Das CDVAE-Modell wurde anhand umfangreicher Datensätze bekannter Kristallstrukturen trainiert und konnte so völlig neuartige Materialien mit vielfältigen Strukturmöglichkeiten vorschlagen. Gleichzeitig wurde das LLM auf Materialien mit der höchsten thermodynamischen Stabilität abgestimmt, was für die praktische Synthese entscheidend ist.
„Unsere KI-Tools haben den Entdeckungsprozess dramatisch beschleunigt und fünf völlig neue poröse Übergangsmetalloxidstrukturen freigelegt, die bemerkenswert vielversprechend sind“, sagte Datta. „Diese Materialien verfügen über große, offene Kanäle, die ideal für den schnellen und sicheren Transport dieser sperrigen mehrwertigen Ionen sind – ein entscheidender Durchbruch für Batterien der nächsten Generation.“
Das Team validierte seine KI-generierten Strukturen mithilfe quantenmechanischer Simulationen und Stabilitätstests und bestätigte, dass die Materialien tatsächlich experimentell synthetisiert werden konnten und großes Potenzial für reale Anwendungen bergen.
Credits
New Jersey Institut für Technologie
