اكتشاف الذكاء الاصطناعي لمواد جديدة للبطاريات الجيل التالي

الليثيوم مقابل البقية

Lithium-ion batteries have so far dominated the electrification landscape, in large part due to lithium atoms’ unique electrical properties. Simply put, lithium, being the 3^rd lightest element in the periodic table, is the most powerful one when it comes to carrying charges with a single electron.

المصدر: Medium

مع ذلك، الليثيوم مكلف، مما يجعل كيميائيات البطاريات البديلة جذابة من الناحية الاقتصادية. ومن الجدير بالذكر أن بطاريات الصوديوم-أيون قد اكتسبت زخماً لهذا السبب بالذات.

يبدو أن تصميمًا آخر قد يكون له إمكانات أكبر مما كان يُعتقد سابقًا: بطاريات الأيونات المتعددة التكافؤ. تستخدم أيونات معدنية يمكنها حمل أكثر من إلكترون واحد في آن واحد، وقد تكون أكثر فعالية من حيث التكلفة مقارنة ببطاريات الليثيوم-أيون.

تم تحقيق الاختراق الأخير باستخدام الذكاء الاصطناعي لاختبار ملايين التركيبات لمواد البطارية. تم هذا الاكتشاف بواسطة باحثين في معهد نيوجيرسي للتكنولوجيا (NJIT) ومعهد رينسيلر للتقنية (RPI) (الولايات المتحدة). نشروا نتائجهم في مجلة Cell Reports Physical Science¹ تحت عنوان ”الذكاء الاصطناعي التوليدي لاكتشاف مواد أكسيد مسامية لتخزين الطاقة للجيل التالي”.

العديد من أنواع بطاريات الأيونات

إذا سيطرت بطاريات الليثيوم-أيون على الإلكترونيات الصغيرة وتصاميم السيارات الكهربائية المبكرة بفضل كثافة طاقتها، يمكن استخدام العديد من الأيونات المعدنية الأخرى وفقًا لنفس المبدأ.

كما نوقش، بطاريات الصوديوم-أيون هي حاليًا بديل شائع، تُصنع على نطاق واسع لتلبية نماذج السيارات الكهربائية الرخيصة.

خيار آخر هو استخدام المغنيسيوم أو الكالسيوم أو الألمنيوم أو الزنك، جميعها أيونات متعددة التكافؤ. وهذا يعني أنها تحمل شحنتين أو حتى ثلاث شحنات موجبة.

ومع ذلك، فإن الشحنة الأكبر تصاحبها أحجام أكبر. تجعل المواصفات الذرية الأكبر أيونات متعددة التكافؤ صعبة الاستيعاب بكفاءة في مواد البطارية، مما يقلل من كثافة البطارية إلى حد يجعلها غير قابلة للتسويق.

على الأقل، كان هذا صحيحًا مع مواد البطاريات التقليدية المطورة لليثيوم أو أيونات الصوديوم. لكنها ليست الوحيدة الممكنة للاستخدام. يمكن بناء العديد من الهياكل البلورية الأخرى لاستيعاب الأيونات التي يحمل حركتها الشحنات الكهربائية.

“إحدى أكبر العقبات لم تكن نقصًا في كيميائيات البطاريات الواعدة — بل كانت استحالة اختبار ملايين تركيبات المواد”،

Professor Dibakar Datta – New Jersey Institute of Technology (NJIT)

الذكاء الاصطناعي يساعد البحث

مساعد قوي

العقول البشرية ليست الأفضل في التعامل مع أي مجموعة بيانات يصل عددها إلى الملايين. لكن الذكاء الاصطناعي يتفوق في ذلك.

إنها ظاهرة متزايدة بين الباحثين، خاصة في علوم المواد أو التكنولوجيا الحيوية، لاستخدام تقنيات الذكاء الاصطناعي للمساعدة في تحديد الأفكار الأكثر وعدًا، قبل تحليلها واختبارها بدقة أكبر.

“لقد لجأنا إلى الذكاء الاصطناعي التوليدي كطريقة سريعة ومنهجية لتصفية ذلك المشهد الواسع واكتشاف القليل من الهياكل التي يمكنها حقًا جعل بطاريات الأيونات المتعددة التكافؤ عملية”،

Professor Dibakar Datta – New Jersey Institute of Technology (NJIT)

سابقًا، كان نموذج الحوسبة المعتمد فقط على الفيزياء غير قادر على معالجة الحسابات المعقدة للغاية المطلوبة لنمذجة نوع جديد من البنية البلورية.

لكن الأنواع الجديدة من الذكاء الاصطناعي، المستندة إلى التعلم الآلي والشبكات العصبية، قادرة أكثر على “تخمين” الخصائص العامة للمادة دون الحاجة إلى حسابات رياضية رسمية للفيزياء الكامنة.

المصدر: Cell

طور الباحثون نظامًا يعتمد على نوعين مختلفين من الذكاء الاصطناعي في آن واحد، أحدهما متخصص في البلورات، والآخر نموذج لغة كبير (LLM)، وهو نفس الأساس التكنولوجي وراء ChatGPT.

المصدر: Cell

المُشفّر التلقائي المتغيّر للانتشار البلوري (CDVAE)

ولد نموذج CDVAE 10,000 بنية، خضعت لسلسلة من عمليات الفحص الدقيق والتحقق لضمان توافقها مع المعايير اللازمة.

على سبيل المثال، تحقق من أن المسافة بين أزواج الذرات كافية، أو من حياد الشحنة في النظام.

أنتجت هذه الطريقة 42 بنية يمكن استخدامها محتملًا لمواد البطاريات.

من بين هذه، تطابقت 21 بنية مع سجلات موجودة في قاعدة البيانات لكنها قدمت تكوينات جديدة مع اختلافات في التركيب الكيميائي، أو معلمات الشبكة، أو مجموعات الفضاء. أما الـ21 بنية المتبقية فكانت جديدة تمامًا.

المصدر: Cell

لذلك أنشأ إصدارات جديدة من المواد الموجودة التي كانت غير معروفة سابقًا، بالإضافة إلى مواد بطارية جديدة تمامًا ذات إمكانات.

نموذج اللغة الكبير (LLM)

استخدم الباحثون بعد ذلك نموذج Llama-3.1-8B من شركة Meta (FB )، المُعَدّ خصيصًا لتوليد هياكل بلورية.

المصدر: Cell

ولد هذا أكثر من 10,000 بنية بلورية، تبقى 1,087 بنية بعد التحقق من سلامة البنية. باستخدام نفس الفلاتر كما في CDVAE، نتج عن ذلك 13 مرشحًا محتملًا، تم اختيار أكثر 5 بنى استقرارًا منها.

المصدر: Cell

اسحب للتمرير →

تحدي نتائج الذكاء الاصطناعي

استخدم الباحثون طريقة اختبار رياضية تُسمى “استرخاء DFT”، حيث يحسبون الطاقة الحرة للمادة (المربوطة بالاستقرار)، للتحقق من جودة المادة المكتشفة.

يتضح بسرعة أن المواد البلورية التي أنشأها نموذج اللغة الكبير كانت عمومًا أفضل بكثير وأكثر استقرارًا من تلك التي تم توليدها باستخدام CDVAE.

المصدر: Cell

“قامت أدوات الذكاء الاصطناعي لدينا بتسريع عملية الاكتشاف بشكل كبير، مما كشف عن خمس هياكل أكسيد معدنية انتقالية مسامية جديدة تمامًا تُظهر وعدًا ملحوظًا”،

Professor Dibakar Datta – New Jersey Institute of Technology (NJIT)

هل يمكن صُنعها؟

قامت الفريق بالتحقق من هياكلهم التي تم توليدها بالذكاء الاصطناعي باستخدام محاكاة ميكانيكية كمية واختبارات استقرار، مؤكدين أن هذه المواد يمكن بالفعل تصنيعها تجريبيًا وتتمتع بإمكانات كبيرة للتطبيقات الواقعية.

“تتميز هذه المواد بقنوات واسعة ومفتوحة مثالية لنقل هذه الأيونات المتعددة التكافؤ الضخمة بسرعة وأمان، وهو اختراق حاسم للبطاريات الجيل التالي.”

Professor Dibakar Datta – New Jersey Institute of Technology (NJIT)

ستكون الخطوة التالية التعاون مع مختبرات تجريبية لتصنيع واختبار المواد التي صممها الذكاء الاصطناعي حديثًا.

يمكن أن تجعل بطاريات الأيونات المتعددة التكافؤ الخطوة التالية في تكنولوجيا البطاريات. حتى الآن، كان نقص مادة مناسبة لاستيعاب الذرات الأكبر عائقًا أمام تطوير هذا الخيار. باستخدام مواد أفضل لتخزين المغنيسيوم أو الألمنيوم أو أيونات كبيرة أخرى، قد تتجاوز قدرة نقل الإلكترونات المتعددة لهذه الذرات يومًا ما حتى قدرة الليثيوم القوية، رغم أنها تحمل إلكترونًا واحدًا فقط.

الاستثمار في علوم المواد والابتكار في الذكاء الاصطناعي

Meta: علوم المواد المدفوعة بالذكاء الاصطناعي

اليوم، لا يزال Meta معروفًا أساسًا بمنصات التواصل الاجتماعي Facebook وInstagram، بالإضافة إلى دردشة WhatsApp. كما يتواجد في مجال الواقع الافتراضي (VR) من خلال سماعاته للواقع الافتراضي و”Metaverse” التي لم تحقق نجاحًا كبيرًا.

ومع ذلك، من المهم الإشارة إلى أن Meta هي شركة ذكاء اصطناعي تستثمر بشكل هائل في البنية التحتية لتحقيق ذلك.

“من المتوقع أن يبدأ أول مركز بيانات متعدد الجيجاواط، المسمى ببروميثيوس، تشغيله في عام 2026، بينما الآخر، المسمى هيبيريون، سيتمكن من التوسع إلى 5 جيجاواط خلال السنوات القادمة.

“نحن نبني أيضًا عدة مجموعات تيتان أخرى. يغطي أحدها جزءًا كبيرًا من مساحة مانهاتن.”

Mark Zuckerberg – Meta Founder & CEO

يبدو أن تقنية LLM في الوهلة الأولى مفيدة في المقام الأول للمهام “الحديثية”، مثل الروبوتات الحوارية، تحسين البحث عبر الإنترنت، التعليم، وغيرها من الأنشطة التي تركز على الإنسان.

لكن هذا البحث يوضح أن قدرة نموذج اللغة الكبير على تعلم اللغة يمكن توظيفها في مهام أخرى تعتمد على البيانات الضخمة، مثل تعلم كيفية “التحدث” مع الهياكل البلورية. ويمكن قول الشيء نفسه عن الشيفرات الجينية، على سبيل المثال.

هذا يعني أن التقدم في خوارزميات نماذج اللغة الكبيرة من المحتمل أن يدخِل عصرًا ذهبيًا من الاكتشافات الجديدة تمامًا في إنشاء مواد جديدة للبطاريات، والمواد المتقدمة، وتوليد الطاقة، وما إلى ذلك، بالإضافة إلى أنواع جديدة من البروتينات ومواد DNA/RNA التي يمكن تحويلها إلى أدوية، وأدوات التصنيع الحيوي، وما إلى ذلك.

في هذا السياق، يعني ذلك أن شركات مثل Meta ونماذج Lama LLM الخاصة بها لا تقوم فقط ببناء بدائل تقنية محتملة مربحة للأدوات الحالية، بل قد تتحول أيضًا إلى قوة ضخمة في مجال الملكية الفكرية في العالم المادي.

في هذا السياق، قد نتذكر أن الأعمال التقنية الأصلية لشركات مثل Meta، أو حتى Google (GOOGL ) أو Microsoft (MSFT )، كانت مجرد خطوة تمهيدية قبل تحويلها إلى عمالقة مدفوعة بالذكاء الاصطناعي والملكية الفكرية تُغيّر العالم بالعديد من التقنيات الجديدة، بما في ذلك في مجال الطاقة المتجددة وعلوم المواد.

أحدث أخبار وتطورات سهم Meta (META)

الدراسة المرجعية

^{1. Joy Datta, Amruth Nadimpally, Nikhil Koratkar, Dibakar Datta. الذكاء الاصطناعي التوليدي لاكتشاف مواد أكسيد مسامية لتخزين الطاقة للجيل التالي. Cell Reports Physical Science, المجلد 6, العدد 7, 102665. 16 يوليو 2025. https://www.cell.com/cell-reports-physical-science/fulltext/S2666-3864(25)00264-4}