Artipisyal na Intelihensiya
AI Natuklasan ang Mga Bagong Materyales para sa Susunod na Henerasyon ng mga Baterya
Idagdag ang Securities.io sa mga gusto mong mapagkunan sa Google
Lithium Kumpara sa Iba
Sa ngayon, ang mga lithium-ion na baterya ay namamayani sa larangan ng elektripikasyon, karamihan dahil sa natatanging katangian ng mga atom ng lithium sa kuryente. Sa madaling salita, ang lithium, bilang ikatlong pinakamagaan na elemento sa periodic table, ay ang pinakamakapangyarihan pagdating sa pagdadala ng karga gamit ang isang electron.
Pinagmulan: Medium
Gayunpaman, mahal ang lithium, kaya’t ang mga alternatibong kimika ng baterya ay maaaring maging kaakit-akit sa ekonomiya. Kapansin-pansin, ang mga sodium-ion na baterya ay kumukuha ng atensyon dahil sa dahilan na ito.
Mukhang may isa pang disenyo na maaaring magkaroon ng higit na potensyal kaysa sa inakala dati: ang mga multivalent-ion na baterya. Gumagamit ito ng mga metalikong ion na kayang magdala ng higit sa isang electron sabay-sabay, at maaaring mas mura kaysa sa mga lithium-ion na baterya.
Ang kamakailang breakthrough ay nakamit sa pamamagitan ng paggamit ng AI upang subukan ang milyun-milyong kombinasyon para sa mga materyales ng baterya. Ang pagtuklas na ito ay isinagawa ng mga mananaliksik mula sa New Jersey Institute of Technology (NJIT) at Rensselaer Polytechnic Institute (RPI) (USA). Inilathala nila ang kanilang mga resulta sa Cell Reports Physical Science1, sa pamagat na “Generative AI for discovering porous oxide materials for next-generation energy storage”.
Maraming Uri ng Ion na Baterya
Kung ang lithium-ion ay sumakop sa maliliit na elektronik at mga unang disenyo ng EV dahil sa densidad ng enerhiya nito, maraming iba pang metalikong ion ang maaaring magamit alinsunod sa parehong prinsipyo.
Tulad ng tinalakay, ang sodium-ion ay kasalukuyang isang popular na alternatibo, na unti-unting ginagawa nang maramihan para sa murang mga modelo ng EV.
Isa pang opsyon ay ang paggamit ng magnesium, calcium, aluminum, o zinc, na lahat ay multivalent na ion. Ibig sabihin, nagdadala sila ng dalawa o kahit tatlong positibong karga.
Gayunpaman, ang mas malaking karga ay may kasamang mas malalaking sukat. Ang parehong mas malalaking katangian ng atom ay nagpapahirap sa epektibong pag-akomoda ng mga multivalent na ion sa mga materyales ng baterya, na nagreresulta sa sobrang pagbaba ng densidad ng baterya na hindi na praktikal para sa komersyal na paggamit.
Sa pangkalahatan, ito ay totoo sa mga tradisyunal na materyales ng baterya na binuo para sa lithium o sodium na ion. Ngunit malayo pa ito sa tanging posibleng materyales ng baterya na maaaring magamit. Maraming iba pang kristal na estruktura ang maaaring buuin upang maglaman ng mga ion na ang paggalaw ay nagdadala ng kuryente.
“Isa sa pinakamalaking hadlang ay hindi kakulangan ng mga pangakong kimika ng baterya — ito ay ang ganap na imposibleng subukan ang milyun-milyong kombinasyon ng materyales,”
Propesor Dibakar Datta – New Jersey Institute of Technology (NJIT)
AI na Tinutulungan ang Pananaliksik
Isang Makapangyarihang Katulong
Ang mga isipan ng tao ay hindi pinakamahusay sa paghawak ng anumang dataset kung saan ang mga numero ay umabot sa milyun-milyon. Ngunit ang mga AI ay kahanga-hanga dito.
Isang lumalawak na trend sa mga mananaliksik, lalo na sa agham ng materyales o biotech, ang paggamit ng teknolohiyang AI upang matulungan tuklasin ang mga pinaka-promising na ideya, bago pa man masusing suriin at subukan ang mga ito.
“Lumapit kami sa generative AI bilang mabilis at sistematikong paraan upang salain ang napakalawak na tanawin at matukoy ang iilang estruktura na tunay na makakapagpatunay na praktikal ang mga multivalent na baterya.”
Propesor Dibakar Datta – New Jersey Institute of Technology (NJIT)
Noong una, ang isang modelo ng kompyutasyon na nakasalalay lamang sa pisika ay hindi makakayanan ang napakakomplikadong kalkulasyon na kinakailangan upang i-modelo ang isang bagong uri ng kristal na estruktura.
Ngunit ang mga bagong uri ng AI, na batay sa machine learning at neural networks, ay mas kayang “hulaan” ang pangkalahatang katangian ng isang materyal nang hindi kinakailangan ng pormal na matematikal na kalkulasyon ng pisika sa likod nito.
Pinagmulan: Cell
Binuo ng mga mananaliksik ang isang sistema na umaasa sa dalawang magkaibang uri ng AI nang sabay, isa na may kaalaman tungkol sa mga kristal, at isa pang LLM (Large Language Model), na siyang teknolohikal na batayan sa likod ng ChatGPT.
Pinagmulan: Cell
Crystal Diffusion Variational Autoencoder (CDVAE)
Ang CDVAE model ay lumikha ng 10,000 na estruktura, na sumailalim sa serye ng tumpak na pagsusuri at hakbang sa pag-validate upang matiyak na natugunan nila ang kinakailangang pamantayan.
Halimbawa, sinuri nito na ang distansya sa pagitan ng mga pares ng atom ay sapat na kalaki, o ang neutralidad ng karga ng sistema.
Ang metodong ito ay lumikha ng 42 na estruktura na maaaring magamit para sa mga materyales ng baterya.
Sa mga ito, 21 na estruktura ay tumugma sa umiiral na mga entry sa database ngunit nag-alok ng mga bagong konfigurasyon na may pagkakaiba sa stoichiometry, lattice parameters, o space groups. Ang natitirang 21 na estruktura ay ganap na bago.
Pinagmulan: Cell
Kaya’t lumikha ito ng parehong bagong bersyon ng umiiral na materyal na dati ay hindi kilala at may ganap na bagong potensyal na materyal para sa baterya.
LLM
Gumamit pagkatapos ng mga mananaliksik ng Llama-3.1-8B ng Meta (FB ), na espesyal na kinakalibrate at iniangkop para sa pagbuo ng mga kristal na estruktura.
Pinagmulan: Cell
Nilikha nito ang mahigit 10,000 na kristal na estruktura, kung saan 1,087 na estruktura ang natira matapos suriin ang integridad ng estruktura. Sa paggamit ng parehong mga filter tulad ng sa CDVAE, nagresulta ito sa 13 na potensyal na kandidato, kung saan ang 5 pinaka-matatag na estruktura ang napili.
Pinagmulan: Cell
I-swipe para mag-scroll →
| Modelo | Panimulang Estruktura | Mga Kandidato Pagkatapos ng Filter | Panghuling Matatag na Materyales |
|---|---|---|---|
| CDVAE | 10,000 | 42 | 21 variants + 21 novel |
| LLM (Llama-3.1-8B) | 10,000+ | 13 | 5 most stable chosen |
Hinahamon ang mga Natuklasan ng AI
Gumamit ang mga mananaliksik ng isang matematikal na pamamaraan ng pagsubok na tinatawag na “DFT relaxation”, na nagkakalkula ng libreng enerhiya ng materyal (na may kaugnayan sa katatagan), upang suriin ang kalidad ng natagpuang materyal.
Mabilis na lumalabas na ang mga kristal na materyal na nilikha ng LLM ay pangkalahatang mas maganda at mas matatag kaysa sa mga nilikha gamit ang CDVAE.
Pinagmulan: Cell
“Ang aming mga AI tool ay lubos na nagpadali sa proseso ng pagtuklas, na nagbunyag ng limang ganap na bagong porous transition metal oxide na estruktura na nagpapakita ng kahanga-hangang pangako,”
Propesor Dibakar Datta – New Jersey Institute of Technology (NJIT)
Maaari Ba itong Gawin?
Pinatunayan ng koponan ang kanilang mga AI-generated na estruktura gamit ang quantum mechanical simulations at mga pagsusuri sa katatagan, na kinukumpirma na ang mga materyales ay maaaring talagang maisynthesize sa eksperimento at may malaking potensyal para sa mga aplikasyon sa totoong mundo.
“Ang mga materyales na ito ay may malalaking, bukas na kanal na perpekto para sa mabilis at ligtas na paggalaw ng mga malalaking multivalent na ion, isang kritikal na breakthrough para sa susunod na henerasyon ng mga baterya.”
Ang susunod na hakbang ay makipagtulungan sa mga experimental na laboratoryo upang i-synthesize at subukan ang bagong konseptong AI-designed na mga materyales.
Maaaring gawing susunod na hakbang sa teknolohiya ng baterya ang mga multivalent na baterya. Sa ngayon, ang kakulangan ng magandang materyal na makakatanggap ng mas malalaking atom ay humahadlang sa pag-unlad ng opsyong ito. Sa pamamagitan ng paggamit ng mas magagandang materyales upang i-imbak ang magnesium, aluminum, o iba pang malalaking ion, ang kapasidad ng multi-electron transport ng mga atom na ito ay maaaring balang araw higitan pa ang makapangyarihang, ngunit single-electron na kakayahan ng lithium.
Pamumuhunan sa Agham ng Materyales at Inobasyon ng AI
Sa kasalukuyan, kilala pa rin ang Meta sa karamihan dahil sa mga platform ng social media na Facebook at Instagram, pati na rin ang chat na WhatsApp. Nasa larangan din ito ng virtual reality (VR) sa pamamagitan ng mga VR Headset nito at ang medyo hindi matagumpay na “Metaverse”.
Mahalaga, gayunpaman, na ang Meta ay isang AI na kumpanya na may malawak na pamumuhunan sa imprastruktura upang maisakatuparan ito.
“Ang unang multi-gigawatt na data center, na tinawag na Prometheus, ay inaasahang magiging online sa 2026, habang isa pa, na tinawag na Hyperion, ay makaka-scale hanggang 5 gigawatt sa mga susunod na taon.
“Nagtatayo rin kami ng maraming titan clusters. Isa lamang sa mga ito ay sumasaklaw sa malaking bahagi ng bakas ng Manhattan.”
Sa unang tingin, tila ang teknolohiyang LLM ay higit na kapaki-pakinabang para sa mga “pag-uusap” na gawain, tulad ng mga chatbot, pinahusay na online search, edukasyon, at iba pang mga aktibidad na nakasentro sa tao.
META Tsart ng Presyo
Ngunit ipinapakita ng pananaliksik na ito na ang kakayahan ng LLM na matutunan ang wika ay maaaring ilapat sa iba pang mga gawain na mabigat sa datos, tulad ng pag-aaral kung paano “mag-usap” ang mga kristal na estruktura. Ganun din ang maaaring sabihin para sa mga genetic code, halimbawa.
Ibig sabihin, ang pag-unlad sa mga algorithm ng LLM ay malamang na magdadala ng isang gintong panahon ng ganap na mga bagong tuklas sa paglikha ng mga bagong materyales para sa mga baterya, advanced na materyales, pagbuo ng enerhiya, atbp., pati na rin ng mga bagong uri ng protina at DNA/RNA na materyales na maaaring gawing gamot, mga kasangkapan sa biomanufacturing, atbp.
Sa kontekstong ito, ipinapahiwatig na ang mga kumpanya tulad ng Meta at ang mga Lama LLM model nito ay hindi lamang gumagawa ng mga potensyal na kumikitang kapalit na teknolohiya para sa mga umiiral na kasangkapan, kundi maaari ring maging isang IP powerhouse sa pisikal na mundo.
Sa kontekstong ito, maaaring maalala na ang orihinal na negosyo sa teknolohiya ng mga kumpanya tulad ng Meta, o pati na rin ng Google (GOOGL ) o Microsoft (MSFT ), ay isang hakbang lamang bago ito naging mga higanteng pinapatakbo ng AI at IP na nagbabago ng mundo sa pamamagitan ng maraming bagong teknolohiya, kabilang ang sa renewable energy at agham ng materyales.
Pinakabagong Balita at Pag-unlad ng Stock ng Meta (META)
Pag-aaral na Binanggit
1. Joy Datta, Amruth Nadimpally, Nikhil Koratkar, Dibakar Datta. Generative AI for discovering porous oxide materials for next-generation energy storage. Cell Reports Physical Science, Bolyong 6, Isyu 7, 102665. Hulyo 16, 2025. https://www.cell.com/cell-reports-physical-science/fulltext/S2666-3864(25)00264-4
