A Microsoft és az Amerikai Energiaügyi Minisztérium Csendes-óceáni Nemzeti Laboratóriuma (Pacific Northwest National Laboratory - PNNL) forradalmi együttműködésbe kezd, hogy elősegítse a tudományos felfedezéseket és fenntartható energiakutatásokat mesterséges intelligencia és felhőszámítástechnológia segítségével.
A Microsoft Azure Quantum platformjának kihasználásával, ami az AI és a kvantumszámítás ötvözése, a partnerség célja a hagyományosan lassú anyagkutatási folyamat felgyorsítása, különösen az optimális akkumulátor megtalálásában. A kezdeményezés kémiai és anyagtudományokra összpontosít, és fenntartható megoldások felfedezését tűzi ki célul a klímaváltozás, az élelmiszerbiztonság és az energiahiány problémáira. Az instabil anyagok széles körének kutatásához innovatív megközelítésekre van szükség.
A partnerség elsődleges célja az, hogy eligazodjon a hatalmas vegyipari területen, és felfedezze az akkumulátorok alapvető összetevőit, amelyek erősebbek, hosszabb élettartamúak és környezetbarátabbak. Az AI által támogatott keresés már jelentős eredményeket hozott, milliókra tehető adatpontok között hatékonyan szűkítve a lehetőségeket 32 millióról 500 000-re. A legígéretesebb jelöltek most a PNNL magas számítási szimulációin mennek keresztül.
Vijay Murugesan, a PNNL fizikai tudományok részlegének anyagtudományi csoportvezetője a Power Electronics News interjújában elmondta, hogy az AI-gyorsított módszereknek transzformatív hatása van a tudományos kutatásra. Az akkumulátortechnológia fejlesztése mellett ez a módszer ígéretes változást hozhat más területeken is, például a szén-dioxid eltárolásában, műanyaghulladék lebontásában, és az környezeti veszélyek gyors azonosításában. Az instabil anyagok széles körének kutatása innovatív megközelítéseket kíván.
AI
Az AI forradalmasítja minden kognitív folyamatunkat. A tudományos felfedezés az az alapvető kognitív tevékenység, amely lehetővé tette fajunk virágzását a civilizáció kezdetétől. Ezért a tudományos felfedezés vitathatatlanul az AI és a kvantumszámítástechnika legmeghatározóbb és legerőteljesebb alkalmazása lehet.
A nagyméretű kvantumszámítógépek leginkább a kémia és anyagtudományok területén alkalmazhatók. Ez vezetett az Azure Quantum Elements létrehozásához és kiadásához, egy olyan megoldáshoz, amely kifejezetten a felhőszámítástechnológiát, az AI-t és végül a nagyméretű kvantumszámítógépeket használja fel a tudományos eredmények felgyorsítására. A Microsoft csapatának partnersége más vállalatokkal, például a Johnson Matthey-vel, támogatja ezeket a meggyőződéseket. Az akkumulátortechnológia kezdeti alkalmazása a hiper-skálázható adatközpontoktól a hétköznapi életig terjed.
A 2023 augusztusában közzétett eredmények szerint a 32 millió lehetséges jelöltből "csak" 500,000 tekinthető stabilnak. Ahogyan azonban ez a blogbejegyzés magyarázza, a jelöltek megtalálása csak a tudományos kutatás kezdete Nehéz kihívás ezen opciók közül olyan anyagot kiválasztani, amely megfelelő tulajdonságokkal rendelkezik a szilárdtest akkumulátorok új elektrolitjához. Ehhez drága laboratóriumi tesztek és hosszadalmas nagy teljesítményű számítógépes szimulációk szükségesek, amelyek évekig is eltarthatnak.
A sűrűségfunkcionális elmélet (DFT) szimulációk általában a szokásos HPC-alapú anyagtudományi számítások fő forrásai. A kutatók ezrével vizsgáltak és értékeltek anyagjelölteket a DFT alapú számítási algoritmusoknak köszönhetően. Ezekkel a számításokkal jelentős feldolgozási költség jár, például egy statikus DFT számítás sok CPU-percet igénybe vehet. A szimulációkhoz több millió, vagy annál is több ilyen számításra lehet szükség, de a geometriai optimalizálás csak tíz-száz számítást igényel.
Így a Azure Quantum csapata az AI legmodernebb módszereit és a PNNL tudását használta fel egy olyan új anyag felfedezéséhez, amely az ember számára ismeretlen és nincs jelen a természetben, de potenciája van arra, hogy erőforrás-hatékony akkumulátorokban használható legyen. Ráadásul a PNNL tudósai ezen anyag szintézisének és tesztelésének folyamata során bemutatták ennek a jelölt anyagnak az egyedi tulajdonságait és az ipar által mutatottaknál jelentősen kevesebb lítium felhasználásával fenntartható energiatárolási megoldás ígéretét, a nyers összetevőktől a működő prototípusig.
Elemek
A következő generációs akkumulátorok fejlesztése fontos probléma, amelyet történelmileg gátoltak a munkaigényes eljárások. A kutatók szerint az anyagok szintézisében és tesztelésében rejlő belső korlátok hátráltatják az innováció ütemét az akkumulátorfejlesztés terén.
Az ökológiai átmenet megvalósítása minden ország számára egy fontos cél. Az ennek elérésére tett lépések egyik kulcsfontosságú területe a fenntartható közlekedés, különösen az iparág által generált kibocsátások csökkentése.
A jövő mobilitási világa csak elektromos lehet, figyelembe véve a benzin- és dízelmotorokkal működő hőmotorok lehetséges értékesítésének megszüntetését. Ez magában foglalja a robogókat, kerékpárokat, autókat és akár hajókat is.
Ezért válik szükségessé az új technológiák kifejlesztése és bevezetése, különösen az elektromos autók számára. Ezeknek még mindig fontos problémákat kell megoldaniuk a környezetvédelem érdekében, annak ellenére, hogy lényegesen kevésbé szennyezőek, mint a belső égésű motorral rendelkező autók.
A megnövekedett energiasűrűségük miatt a szilárdtest akkumulátorokra számítanak a tárolási és következésképpen az elektromos autó technológia jövőjében.
Bár a hagyományos Li-ion akkumulátorok előállítása időigényes és költséges, egyre több jelenlegi elektronikai eszköz működik ezeken az akkumulátorokon. A növekvő lítiumigény azonban biztonsági, geopolitikai és környezeti problémákat vet fel a hagyományos Li-ion akkumulátorokkal kapcsolatban.
Mivel a lítium már most is nagyon ritka és drága, a kitermelése geopolitikai és környezeti kihívásokat jelent. Az olyan akkumulátor kifejlesztése, amely kevesebb lítiumot használ, jelentős pozitív hatással lehetne a környezetre, a közbiztonságra és a gazdaságra.
A szél és napfény kiszámíthatatlan természete bizonyos időszakokban (például télen) az energiatárolási rendszerek bevezetését teszi szükségessé a megújuló energiatermelés területén. Ezek a rendszerek lehetővé teszik a szél- vagy fotovoltaikus parkok által generált felesleges energiának gyors és egyszerű felhasználását (túltermelési vagy alacsony keresleti időszakokban) és az előre tárolt energiát. Emellett segítenek azoknak az iparágaknak, amelyek magas energiafogyasztással rendelkeznek, hogy fokozatosan leszokjanak a fosszilis tüzelőanyagokról.
Az akkumulátor energiatároló rendszerek világpiaci értéke az elmúlt két évben jelentős fellendülést mutatott, több mint négyszeresére nőtt az előző évhez képest, ami felveti a kérdést, hogy a befektetők különleges figyelmet szentelnek-e ezeknek az elemeknek. Ugyanakkor az elemzés azt jósolja, hogy 2030-ra ezeknek az értéke elérheti a 120-150 milliárd dollárt.
Innovatív megközelítés: AI és kvantum
A kutatók a legmodernebb mesterséges intelligencia modellek és nagy teljesítményű számítástechnika (High-Performance Computing - HPC) kombinációjával átalakították a számítógépes anyagtudományt. Ezek a modellek gyorsan előrejelzik az energia, erő, stressz, elektromos sáv és mechanikai tulajdonságokhoz hasonló változókat, mivel nagy mennyiségű anyagszimulációs adaton tanultak. A kutatók képesek hatékonyan szűrni az anyagjelölteket az ionos vezetőképesség, stabilitás és reakcióképesség alapján, elkerülve a HPC-számításokat. Ez a találmány, amelyet egy gráf neurális hálózat hajt meg, kalkulált válasz a világ globális átmenetéhez megújuló energiaforrások felé, és kiemeli az AI és a felhőszámítástechnológia forradalmi potenciálját az összes területen.
A Microsoft–PNNL együttműködés hangsúlyozza az előrehaladott mesterséges intelligencia és felhőszámítástechnológia szélesebb trendjét, amely az intenzív tudományos fejlesztések felgyorsítását szolgálja. Ez a kvantumszámítás és az AI szakértelmeinek összekapcsolása a PNNL kutatási képességeivel a jobb akkumulátorok utáni törekvéseken túlmutat, jelzi az AI transzformációs hatását a tudományágak széles skálájában.
Murugesan szerint a mesterséges intelligencia által azonosított akkumulátoranyagok elméletről prototípusra való átállása kihívásokkal néz szembe a skálázhatóság terén, különösen az új struktúrák szintézismódszereinek fejlesztése során. Ezt leküzdve a PNNL egy próba-szerencse módszert választott, inspirációt merítve a meglévő irodalmakból.
"A szilárd elektrolit anyag életképességének értékelése érdekében egy újszerű cella összeszerelést alkalmaztunk a meglévő CR 2032 cellában, ami megkönnyíti a szilárdtest akkumulátor koncepció gyors demonstrálását" - mondta Murugesan.
A skálázhatósággal kapcsolatban hangsúlyozta, hogy a PNNL szerepe a tudományos felfedezés és a laboratóriumi méretű tesztelés területén van. Miután biztosították a szabadalmi védelmet, a hangsúly az ipari partnerekkel való együttműködésre és a skálázásra, valamint a kereskedelmi forgalomba hozatalra irányul. Ez az előnyös megközelítés biztosítja a tömeggyártás megvalósíthatóságát, olyan tényezőkkel foglalkozva, mint a költséghatékonyság és a nagy méretű gyártás, jelentős lépést jelentve ezen fejlesztések integrálása felé a valós élet alkalmazásaiban.
A PNNL az energia tárolási megoldások következő hullámának éllovasaként pozícionálja magát, mint technológiai innovátor és kulcsfontosságú hozzájáruló a klímaváltozás elleni küzdelemben. Ahogy a projekt halad, a siker meghatározhatja a fenntartható technológia és az energiafüggetlenség előrehaladásának ütemét, példát adva a jövőbeli együttműködésekhez, amelyek a legmodernebb technológiát ötvözik a környezeti felelősséggel.
A Microsoft forradalmi előrelépéseket lát az anyagtudományban és a kémia területén a testreszabott AI modellek kombinálásában az Azure HPC technológiáival. Az Azure Quantum Elements folyamatokat és eszközöket biztosít a kvantum határ átlépéséhez, mert felismeri a skálázható kvantumszámítás ígéretét a bonyolult kémiai rendszerek modellezésének átalakításában. A platform segít a felhasználóknak becsülni a qubit-eket és a futási időket különböző kvantumkémiai számításokhoz, és segít nekik megkülönböztetni azokat a problémákat, amelyekhez kvantumszámítás szükséges, és azokat, amelyek hagyományosan megoldhatók.