গবেষকরা এখন মেশিন লার্নিং দিয়ে ব্যাটারির জীবনকালের পূর্বাভাস দিতে সক্ষম

গবেষকরা এখন মেশিন লার্নিং দিয়ে ব্যাটারির জীবনকালের পূর্বাভাস দিতে সক্ষম

কৌশল ব্যাটারি উন্নয়ন খরচ কমাতে পারে.

কল্পনা করুন একজন মনস্তাত্ত্বিক আপনার বাবা-মাকে বলছেন, যেদিন আপনি জন্মগ্রহণ করেছিলেন, আপনি কতদিন বাঁচবেন।একটি অনুরূপ অভিজ্ঞতা ব্যাটারি রসায়নবিদদের জন্য সম্ভব যারা পরীক্ষামূলক ডেটার একটি একক চক্রের উপর ভিত্তি করে ব্যাটারির জীবনকাল গণনা করতে নতুন গণনামূলক মডেল ব্যবহার করছেন।

একটি নতুন গবেষণায়, ইউএস ডিপার্টমেন্ট অফ এনার্জি এর (DOE) Argonne ন্যাশনাল ল্যাবরেটরির গবেষকরা বিভিন্ন ব্যাটারি রসায়নের বিস্তৃত পরিসরের জীবনকালের ভবিষ্যদ্বাণী করার জন্য মেশিন লার্নিংয়ের শক্তির দিকে মনোনিবেশ করেছেন।ছয়টি ভিন্ন ব্যাটারি রসায়নের প্রতিনিধিত্বকারী 300 ব্যাটারির একটি সেট থেকে আর্গোনে সংগৃহীত পরীক্ষামূলক তথ্য ব্যবহার করে, বিজ্ঞানীরা সঠিকভাবে নির্ধারণ করতে পারেন ঠিক কতক্ষণ বিভিন্ন ব্যাটারি চক্র চলতে থাকবে।

16x9_ব্যাটারি লাইফ শাটারস্টক

Argonne গবেষকরা বিভিন্ন রসায়নের বিস্তৃত পরিসরের জন্য ব্যাটারি চক্র জীবনের ভবিষ্যদ্বাণী করতে মেশিন লার্নিং মডেল ব্যবহার করেছেন।(শাটারস্টক/সিলস্টেপের ছবি।)

একটি মেশিন লার্নিং অ্যালগরিদমে, বিজ্ঞানীরা একটি কম্পিউটার প্রোগ্রামকে ডেটার প্রাথমিক সেটে অনুমান করার জন্য প্রশিক্ষণ দেন, এবং তারপর সেই প্রশিক্ষণ থেকে যা শিখেছে তা গ্রহণ করে ডেটার অন্য সেটের বিষয়ে সিদ্ধান্ত নিতে।

"প্রতিটি বিভিন্ন ধরণের ব্যাটারি অ্যাপ্লিকেশনের জন্য, সেল ফোন থেকে বৈদ্যুতিক যান থেকে গ্রিড স্টোরেজ পর্যন্ত, ব্যাটারি লাইফটাইম প্রতিটি ভোক্তার জন্য মৌলিক গুরুত্বপূর্ণ," বলেছেন আর্গনের কম্পিউটেশনাল বিজ্ঞানী নোয়া পলসন, গবেষণার একজন লেখক৷"একটি ব্যাটারি ব্যর্থ না হওয়া পর্যন্ত হাজার বার সাইকেল চালাতে অনেক বছর সময় লাগতে পারে;আমাদের পদ্ধতি এক ধরনের কম্পিউটেশনাল টেস্ট রান্নাঘর তৈরি করে যেখানে আমরা বিভিন্ন ব্যাটারি কীভাবে কাজ করবে তা দ্রুত নির্ধারণ করতে পারি।

"এখনই, ব্যাটারির ক্ষমতা কীভাবে ম্লান হয়ে যায় তা মূল্যায়ন করার একমাত্র উপায় হল আসলে ব্যাটারিকে সাইকেল করা," যোগ করেছেন আর্গন ইলেক্ট্রোকেমিস্ট সুসান "সু" বেবিনেক, গবেষণার অন্য লেখক৷"এটি খুব ব্যয়বহুল এবং এটি অনেক সময় নেয়।"

পলসনের মতে, একটি ব্যাটারি লাইফটাইম প্রতিষ্ঠার প্রক্রিয়া জটিল হতে পারে।"বাস্তবতা হল ব্যাটারিগুলি চিরকাল স্থায়ী হয় না, এবং কতক্ষণ স্থায়ী হয় তা নির্ভর করে আমরা যেভাবে সেগুলি ব্যবহার করি, সেইসাথে তাদের নকশা এবং তাদের রসায়নের উপর," তিনি বলেছিলেন।"এখন পর্যন্ত, একটি ব্যাটারি কতক্ষণ স্থায়ী হবে তা জানার জন্য সত্যিই একটি দুর্দান্ত উপায় ছিল না৷নতুন ব্যাটারির জন্য টাকা খরচ করতে না হওয়া পর্যন্ত লোকেরা জানতে চাইবে তাদের কতক্ষণ সময় আছে।”

অধ্যয়নের একটি অনন্য দিক হল যে এটি বিভিন্ন ব্যাটারি ক্যাথোড সামগ্রী, বিশেষ করে আর্গোনের পেটেন্ট নিকেল-ম্যাঙ্গানিজ-কোবাল্ট (NMC)-ভিত্তিক ক্যাথোডের উপর আর্গোনে করা ব্যাপক পরীক্ষামূলক কাজের উপর নির্ভর করে।পলসন বলেন, "আমাদের কাছে এমন ব্যাটারি ছিল যা বিভিন্ন রসায়নের প্রতিনিধিত্ব করত, যেগুলির বিভিন্ন উপায় আছে যেগুলি তাদের ক্ষয় এবং ব্যর্থ হবে," পলসন বলেছিলেন।"এই অধ্যয়নের মূল্য হল যে এটি আমাদের সংকেত দিয়েছে যা বিভিন্ন ব্যাটারি কীভাবে কার্য সম্পাদন করে তার বৈশিষ্ট্য।"

এই এলাকায় আরও অধ্যয়ন লিথিয়াম-আয়ন ব্যাটারির ভবিষ্যত গাইড করার সম্ভাবনা রয়েছে, পলসন বলেছেন।"আমরা যা করতে পারি তার মধ্যে একটি হল একটি পরিচিত রসায়নে অ্যালগরিদমকে প্রশিক্ষণ দেওয়া এবং এটি একটি অজানা রসায়নের উপর ভবিষ্যদ্বাণী করা," তিনি বলেছিলেন।"মূলত, অ্যালগরিদম আমাদের নতুন এবং উন্নত রসায়নের দিকে নির্দেশ করতে সাহায্য করতে পারে যা দীর্ঘ জীবনকাল অফার করে।"

এইভাবে, পলসন বিশ্বাস করেন যে মেশিন লার্নিং অ্যালগরিদম ব্যাটারি উপকরণগুলির বিকাশ এবং পরীক্ষাকে ত্বরান্বিত করতে পারে।"বলুন আপনার কাছে একটি নতুন উপাদান আছে এবং আপনি এটি কয়েকবার সাইকেল করেন।আপনি এটির দীর্ঘায়ু ভবিষ্যদ্বাণী করতে আমাদের অ্যালগরিদম ব্যবহার করতে পারেন এবং তারপরে আপনি পরীক্ষামূলকভাবে এটি চক্র চালিয়ে যেতে চান কিনা তা নিয়ে সিদ্ধান্ত নিতে পারেন।"

"আপনি যদি একটি ল্যাবে একজন গবেষক হন, তাহলে আপনি অল্প সময়ের মধ্যে আরও অনেক উপকরণ আবিষ্কার এবং পরীক্ষা করতে পারেন কারণ আপনার কাছে সেগুলি মূল্যায়ন করার একটি দ্রুত উপায় আছে," Babinec যোগ করেছেন।

গবেষণার উপর ভিত্তি করে একটি গবেষণাপত্র, "মেশিন লার্নিংয়ের জন্য ফিচার ইঞ্জিনিয়ারিং ব্যাটারি লাইফটাইমের প্রাথমিক ভবিষ্যদ্বাণী সক্ষম করে," পাওয়ার সোর্স জার্নালের 25 ফেব্রুয়ারী অনলাইন সংস্করণে উপস্থিত হয়েছে৷

পলসন এবং বেবিনেক ছাড়াও, কাগজের অন্যান্য লেখকদের মধ্যে রয়েছে আর্গোনের জোসেফ কুবাল, লোগান ওয়ার্ড, সৌরভ সাক্সেনা এবং ওয়েনকুয়ান লু।

গবেষণাটি একটি Argonne ল্যাবরেটরি-নির্দেশিত গবেষণা ও উন্নয়ন (LDRD) অনুদান দ্বারা অর্থায়ন করা হয়েছিল।

 

 

 

 

 


পোস্টের সময়: মে-06-2022