మీరు పుట్టిన రోజున, మీరు ఎంతకాలం జీవిస్తారో ఒక జ్యోతిష్కుడు మీ తల్లిదండ్రులకు చెప్పడాన్ని ఊహించుకోండి. కేవలం ఒకే ఒక్క ప్రయోగాత్మక డేటా చక్రం ఆధారంగా బ్యాటరీ జీవితకాలాలను లెక్కించడానికి కొత్త గణన నమూనాలను ఉపయోగిస్తున్న బ్యాటరీ రసాయన శాస్త్రవేత్తలకు కూడా ఇలాంటి అనుభవమే సాధ్యమవుతుంది.

ఒక కొత్త అధ్యయనంలో, యూఎస్ డిపార్ట్‌మెంట్ ఆఫ్ ఎనర్జీ (DOE)కి చెందిన ఆర్గోన్ నేషనల్ లాబొరేటరీ పరిశోధకులు, అనేక రకాల బ్యాటరీ కెమిస్ట్రీల జీవితకాలాలను అంచనా వేయడానికి మెషిన్ లెర్నింగ్ శక్తిని ఉపయోగించుకున్నారు. ఆరు విభిన్న బ్యాటరీ కెమిస్ట్రీలకు ప్రాతినిధ్యం వహిస్తున్న 300 బ్యాటరీల సమితి నుండి ఆర్గోన్‌లో సేకరించిన ప్రయోగాత్మక డేటాను ఉపయోగించడం ద్వారా, వివిధ బ్యాటరీలు ఎంతకాలం పాటు సైకిల్ అవుతూ ఉంటాయో శాస్త్రవేత్తలు కచ్చితంగా నిర్ధారించగలరు.

ఆర్గాన్ పరిశోధకులు వివిధ రకాల రసాయన కూర్పుల కోసం బ్యాటరీ సైకిల్ లైఫ్‌ను అంచనా వేయడానికి మెషిన్ లెర్నింగ్ నమూనాలను ఉపయోగించారు. (చిత్రం: షట్టర్‌స్టాక్/సీల్‌స్టెప్.)

మెషిన్ లెర్నింగ్ అల్గారిథంలో, శాస్త్రవేత్తలు ఒక కంప్యూటర్ ప్రోగ్రామ్‌కు ప్రాథమిక డేటా సమితిపై అంచనాలు వేయడానికి శిక్షణ ఇస్తారు, ఆపై ఆ శిక్షణ నుండి అది నేర్చుకున్న దానిని ఉపయోగించి మరో డేటా సమితిపై నిర్ణయాలు తీసుకుంటారు.

"సెల్ ఫోన్‌ల నుండి ఎలక్ట్రిక్ వాహనాలు, గ్రిడ్ స్టోరేజ్ వరకు ప్రతి రకమైన బ్యాటరీ వినియోగానికి, బ్యాటరీ జీవితకాలం ప్రతి వినియోగదారునికి ప్రాథమికంగా చాలా ముఖ్యమైనది," అని ఈ అధ్యయన రచయితలలో ఒకరైన ఆర్గాన్ కంప్యూటేషనల్ శాస్త్రవేత్త నోహ్ పాల్సన్ అన్నారు. "ఒక బ్యాటరీ పాడయ్యే వరకు దానిని వేలసార్లు పరీక్షించడానికి సంవత్సరాలు పట్టవచ్చు; మా పద్ధతి ఒక రకమైన కంప్యూటేషనల్ టెస్ట్ కిచెన్‌ను సృష్టిస్తుంది, ఇక్కడ వివిధ బ్యాటరీలు ఎలా పనిచేస్తాయో మేము త్వరగా నిర్ధారించగలము."

"ప్రస్తుతం, ఒక బ్యాటరీలోని సామర్థ్యం ఎలా క్షీణిస్తుందో అంచనా వేయడానికి ఉన్న ఏకైక మార్గం, ఆ బ్యాటరీని వాస్తవంగా సైకిల్ చేయడమే," అని ఈ అధ్యయన రచయితలలో ఒకరైన, ఆర్గోన్ ఎలక్ట్రోకెమిస్ట్ సుసాన్ "స్యూ" బాబినెక్ జోడించారు. "ఇది చాలా ఖరీదైనది మరియు దీనికి చాలా సమయం పడుతుంది."

పాల్సన్ ప్రకారం, బ్యాటరీ జీవితకాలాన్ని నిర్ధారించే ప్రక్రియ క్లిష్టంగా ఉంటుంది. "వాస్తవానికి, బ్యాటరీలు శాశ్వతంగా పనిచేయవు. అవి ఎంతకాలం పనిచేస్తాయనేది మనం వాటిని ఉపయోగించే విధానం, అలాగే వాటి డిజైన్ మరియు రసాయన కూర్పుపై ఆధారపడి ఉంటుంది," అని ఆయన అన్నారు. "ఇప్పటివరకు, ఒక బ్యాటరీ ఎంతకాలం పనిచేస్తుందో తెలుసుకోవడానికి సరైన మార్గం ఏదీ లేదు. కొత్త బ్యాటరీ కోసం డబ్బు ఖర్చు పెట్టే వరకు తమ వద్ద ఎంత సమయం ఉందో ప్రజలు తెలుసుకోవాలనుకుంటారు."

ఈ అధ్యయనం యొక్క ఒక ప్రత్యేక అంశం ఏమిటంటే, ఇది ఆర్గాన్‌లో వివిధ రకాల బ్యాటరీ క్యాథోడ్ పదార్థాలపై, ముఖ్యంగా ఆర్గాన్ యొక్క పేటెంట్ పొందిన నికెల్-మాంగనీస్-కోబాల్ట్ (NMC) ఆధారిత క్యాథోడ్‌పై చేసిన విస్తృతమైన ప్రయోగాత్మక పనిపై ఆధారపడింది. "మా వద్ద విభిన్న రసాయన కూర్పులను కలిగి ఉన్న, అలాగే విభిన్న మార్గాల్లో క్షీణించి విఫలమయ్యే బ్యాటరీలు ఉన్నాయి," అని పాల్సన్ అన్నారు. "ఈ అధ్యయనం యొక్క విలువ ఏమిటంటే, విభిన్న బ్యాటరీలు ఎలా పనిచేస్తాయో తెలిపే ప్రత్యేక సంకేతాలను ఇది మాకు అందించింది."

ఈ రంగంలో మరింత అధ్యయనం చేయడం లిథియం-అయాన్ బ్యాటరీల భవిష్యత్తుకు మార్గనిర్దేశం చేసే సామర్థ్యాన్ని కలిగి ఉందని పాల్సన్ అన్నారు. "మేము చేయగలిగే పనులలో ఒకటి ఏమిటంటే, తెలిసిన రసాయన కూర్పుపై అల్గోరిథంకు శిక్షణ ఇచ్చి, తెలియని రసాయన కూర్పుపై అంచనాలు వేసేలా చేయడం" అని ఆయన అన్నారు. "సారాంశంలో, ఎక్కువ కాలం మన్నికను అందించే కొత్త మరియు మెరుగైన రసాయన కూర్పుల దిశగా ఈ అల్గోరిథం మనకు సహాయపడవచ్చు."

ఈ విధంగా, మెషిన్ లెర్నింగ్ అల్గోరిథం బ్యాటరీ పదార్థాల అభివృద్ధి మరియు పరీక్షను వేగవంతం చేయగలదని పాల్సన్ అభిప్రాయపడ్డారు. “ఉదాహరణకు, మీ వద్ద ఒక కొత్త పదార్థం ఉండి, దానిని మీరు కొన్నిసార్లు పరీక్షించారనుకుందాం. దాని మన్నికను అంచనా వేయడానికి మీరు మా అల్గోరిథంను ఉపయోగించవచ్చు, ఆపై దానిని ప్రయోగాత్మకంగా పరీక్షించడం కొనసాగించాలా వద్దా అనే దానిపై నిర్ణయాలు తీసుకోవచ్చు.”

"మీరు ప్రయోగశాలలో పరిశోధకులైతే, వాటిని మూల్యాంకనం చేయడానికి మీ వద్ద వేగవంతమైన మార్గం ఉంటుంది కాబట్టి, మీరు తక్కువ సమయంలో మరిన్ని పదార్థాలను కనుగొని పరీక్షించగలరు," అని బాబినెక్ జోడించారు.

అధ్యయనం ఆధారంగా రూపొందించిన పత్రం,మెషిన్ లెర్నింగ్ కోసం ఫీచర్ ఇంజనీరింగ్, బ్యాటరీ జీవితకాలాన్ని ముందుగానే అంచనా వేయడానికి వీలు కల్పించింది."," జర్నల్ ఆఫ్ పవర్ సోర్సెస్ యొక్క ఫిబ్రవరి 25 ఆన్‌లైన్ సంచికలో కనిపించింది.

పాల్సన్ మరియు బాబినెక్‌లతో పాటు, ఈ పత్రం యొక్క ఇతర రచయితలలో ఆర్గోన్‌కు చెందిన జోసెఫ్ కుబాల్, లోగాన్ వార్డ్, సౌరభ్ సక్సేనా మరియు వెంక్వాన్ లూ ఉన్నారు.

ఈ అధ్యయనానికి ఆర్గోన్ లాబొరేటరీ-డైరెక్టెడ్ రీసెర్చ్ అండ్ డెవలప్‌మెంట్ (LDRD) గ్రాంట్ ద్వారా నిధులు సమకూర్చబడ్డాయి.