Обзор
ИИ ускоряет открытие новых материалов для аккумуляторов и управление существующими элементами, сокращая десятилетия химических исследований методом проб и ошибок до месяцев. Это важно, потому что лучшие, безопасные и дешевые аккумуляторы являются узким местом для электромобилей, сетей и электроники.
ИИ в проектировании и оптимизации аккумуляторов фокусируется на практическом применении: превращении возможностей модели в надежные ежедневные рабочие процессы, приносящие измеримую пользу.
Глубокое погружение
Разработка аккумуляторов идет крайне медленно: на проверку одного рецепта электролита могут уйти годы, а пространство возможных химических соединений астрономически велико. ИИ атакует эту проблему на двух уровнях. При открытии материалов модели машинного обучения, обученные на основе квантовой химии и экспериментальных данных, предсказывают, какие комбинации элементов обеспечивают высокую проводимость, стабильность и плотность энергии, прежде чем что-либо будет синтезировано. В 2023 году Microsoft и Тихоокеанская северо-западная национальная лаборатория проверили более 32 миллионов кандидатов, чтобы найти твердотельный электролит, использующий гораздо меньше лития. На уровне устройства искусственный интеллект обеспечивает работу систем управления батареями, которые оценивают состояние заряда и работоспособности, прогнозируют оставшийся срок службы и обнаруживают ранние признаки выхода из-под контроля температуры. Роботизированные лаборатории с замкнутым контуром добавляют автоматизированные эксперименты, когда ИИ предлагает следующий эксперимент, а робот его запускает.
Техническая информация
Преобладают две техники. Графовые нейронные сети рассматривают кристалл или молекулу как граф атомов и связей, обучаясь предсказывать такие свойства, как ионная проводимость, исходя только из структуры. Затем байесовская оптимизация направляет эксперименты: она создает вероятностный суррогат ландшафта «химия против производительности» и выбирает каждый следующий тест для максимизации ожидаемого получения информации, балансируя исследование неизвестных рецептов с использованием многообещающих, поэтому требуется меньше физических экспериментов.
Освоение искусственного интеллекта в проектировании и оптимизации аккумуляторов
ИИ ускоряет открытие новых материалов для аккумуляторов и управление существующими элементами, сокращая десятилетия химических исследований методом проб и ошибок до месяцев. Это важно, потому что лучшие, безопасные и дешевые аккумуляторы являются узким местом для электромобилей, сетей и электроники. ИИ в проектировании и оптимизации аккумуляторов фокусируется на практическом применении: превращении возможностей модели в надежные ежедневные рабочие процессы, приносящие измеримую пользу. Чтобы добиться глубокого понимания, рассматривайте ИИ в проектировании и оптимизации аккумуляторов как операционную модель, а не как отдельную функцию: определите желаемые результаты, проясните предположения и отделите то, что система может делать надежно, от того, что все еще требует экспертной оценки.
На практике сильные команды, использующие ИИ в проектировании и оптимизации аккумуляторов, сосредотачиваются на результатах рабочего процесса, а не на моделировании демонстраций, и заранее определяют контрольные точки, выполняемые людьми. Они документируют явные критерии успеха, проводят тестирование на основе реалистичных данных и рабочих процессов, а также выполняют итерации на основе наблюдаемых моделей неудач, а не разовых побед в тестах. Именно здесь теоретическое понимание превращается в прочные возможности в отношении продукта, политики и операций.
Проектирование на уровне приложения определяет, улучшит ли ИИ реальные результаты. В то же время автоматизация сломанного процесса может усугубить существующие проблемы. Самый устойчивый подход — сочетать скорость экспериментирования с дисциплиной управления: запускать пилотные проекты, собирать доказательства, публиковать журналы решений и постоянно обновлять меры безопасности по мере развития поведения модели, ожиданий пользователей и нормативных требований.
Стратегическое воздействие
Проектирование на уровне приложения определяет, улучшит ли ИИ реальные результаты.
Проектирование на уровне приложения определяет, улучшит ли ИИ реальные результаты. В высококачественных развертываниях это выражается в измеримых рабочих правилах, границах владения и повторяющихся ритуалах проверки, что позволяет командам повышать уверенность, а не увеличивать двусмысленность.
Хорошая интеграция рабочих процессов обеспечивает повышение производительности, которому пользователи могут доверять.
Хорошая интеграция рабочих процессов обеспечивает повышение производительности, которому пользователи могут доверять. В высококачественных развертываниях это выражается в измеримых рабочих правилах, границах владения и повторяющихся ритуалах проверки, что позволяет командам повышать уверенность, а не увеличивать двусмысленность.
Хорошо продуманные варианты использования снижают усталость от изменений и риск внедрения.
Хорошо продуманные варианты использования снижают усталость от изменений и риск внедрения. В высококачественных развертываниях это выражается в измеримых рабочих правилах, границах владения и повторяющихся ритуалах проверки, что позволяет командам повышать уверенность, а не увеличивать двусмысленность.
Реальная реализация
Microsoft и PNNL использовали ИИ для проверки 32 миллионов потенциальных материалов и определения нового твердотельного электролита, который заменяет большую часть лития натрием.
Tesla и другие производители электромобилей используют программное обеспечение для управления батареями с машинным обучением, чтобы оценить запас хода и обнаружить элементы, подверженные риску перегрева.
Toyota и партнеры применяют модели ML для ускорения разработки электролитов твердотельных аккумуляторов для повышения плотности энергии.
Такие стартапы, как Aionics и Citrine Informatics, используют ИИ, чтобы рекомендовать составы электролитов, сокращая количество необходимых физических экспериментов.
Шаблоны реализации
ИИ в проектировании и оптимизации аккумуляторов на практике
Microsoft и PNNL использовали ИИ для проверки 32 миллионов потенциальных материалов и определения нового твердотельного электролита, который заменяет большую часть лития натрием.
Microsoft и PNNL использовали ИИ для проверки 32 миллионов материалов-кандидатов и определения нового твердотельного электролита, который заменяет большую часть лития натрием. Команды обычно получают лучшие результаты, когда заранее определяют пороговые значения качества, сохраняют возможность эскалации вручную для крайних случаев и отслеживают как прирост производительности, так и затраты на ошибки с течением времени.
ИИ в проектировании и оптимизации аккумуляторов на практике
Tesla и другие производители электромобилей используют программное обеспечение для управления батареями с машинным обучением, чтобы оценить запас хода и обнаружить элементы, подверженные риску перегрева.
Tesla и другие производители электромобилей используют программное обеспечение для управления батареями с машинным обучением для оценки радиуса действия и обнаружения элементов, подверженных риску теплового выхода из-под контроля. Команды обычно получают лучшие результаты, когда заранее определяют пороговые значения качества, сохраняют путь человеческой эскалации для крайних случаев и отслеживают как прирост производительности, так и затраты на ошибки с течением времени.
ИИ в проектировании и оптимизации аккумуляторов на практике
Toyota и партнеры применяют модели ML для ускорения разработки электролитов твердотельных аккумуляторов для повышения плотности энергии.
Toyota и партнеры применяют модели машинного обучения для ускорения разработки твердотельных аккумуляторов с электролитом для более высокой плотности энергии. Команды обычно получают лучшие результаты, когда заранее определяют пороговые значения качества, сохраняют путь человеческой эскалации для крайних случаев и отслеживают как рост производительности, так и затраты на ошибки с течением времени.
ИИ в проектировании и оптимизации аккумуляторов на практике
Такие стартапы, как Aionics и Citrine Informatics, используют ИИ, чтобы рекомендовать составы электролитов, сокращая количество необходимых физических экспериментов.
Такие стартапы, как Aionics и Citrine Informatics, используют ИИ, чтобы рекомендовать составы электролитов, сокращая количество необходимых физических экспериментов. Команды обычно получают лучшие результаты, когда заранее определяют пороговые значения качества, сохраняют человеческий путь эскалации для крайних случаев и отслеживают как рост производительности, так и затраты на ошибки с течением времени.
Риски и ограничения
Автоматизация сломанного процесса может усугубить существующие проблемы.
Команды могут чрезмерно автоматизировать и исключить необходимое человеческое суждение.
Качество может ухудшиться, если результаты не будут оцениваться постоянно.
Дорожная карта реализации
Составьте карту текущего рабочего процесса и определите этап, вызывающий наибольшие затруднения.
Составьте карту текущего рабочего процесса и определите этап, вызывающий наибольшие затруднения. Относитесь к каждому шагу как к доказательству: если критерии не выполняются, приостановите внедрение, ликвидируйте пробел и только затем расширяйте использование.
Определите человеческие контрольно-пропускные пункты перед полной автоматизацией.
Определите человеческие контрольно-пропускные пункты перед полной автоматизацией. Относитесь к каждому шагу как к доказательству: если критерии не выполняются, приостановите внедрение, ликвидируйте пробел и только затем расширяйте использование.
Обучайте пользователей подсказкам, путям эскалации и стандартам качества.
Обучайте пользователей подсказкам, путям эскалации и стандартам качества. Относитесь к каждому шагу как к доказательству: если критерии не выполняются, приостановите внедрение, ликвидируйте пробел и только затем расширяйте использование.
Отслеживайте результаты на уровне задач, чтобы подтвердить устойчивую ценность.
Отслеживайте результаты на уровне задач, чтобы подтвердить устойчивую ценность. Относитесь к каждому шагу как к доказательству: если критерии не выполняются, приостановите внедрение, ликвидируйте пробел и только затем расширяйте использование.