فريق بحث من جامعة Surrey البريطانية يطور 28 نوعًا من مواد بطاريات الصوديوم لتعزيز سرعة الشحن ومدى الاستخدام

طور الباحثون في جامعة Surrey قاعدة بيانات تحتوي على 28 مادة للمساعدة في تحديد مرشحين أفضل لمواد بطاريات الصوديوم. تساعد هذه القاعدة في البحث عن مواد بديلة لتحل محل بطاريات الليثيوم التقليدية، نظرًا لأن موارد الليثيوم نادرة نسبيًا ومتوزعة بشكل غير متساوٍ. قال دانيال كوماندر، محاضر في كلية الكيمياء والهندسة الكيميائية في جامعة Surrey ومؤلف مراسلات الدراسة: "نحن نعتمد بشكل كبير على بطاريات الليثيوم، لكن موارد الليثيوم نادرة نسبيًا ومتوزعة بشكل غير متساوٍ في جميع أنحاء العالم." وأشار إلى أن بطاريات الصوديوم أصبحت تدريجياً تقنية بديلة موثوقة؛ ومع ذلك، لا يزال هناك حاجة لمزيد من التحليل لتحسين أدائها في دورات الشحن المتكررة وقدرتها على التخزين.

وأضاف: "تجعل وفرة الصوديوم بطاريات الصوديوم تقنية مهمة للتطور."

إمكانات بطاريات الصوديوم

استكشف الفريق كيفية تحسين أداء أكسيد الصوديوم المنغنيز ككاثود من خلال تغيير التركيب الكيميائي. تحدد هذه المكونات الأساسية للبطارية كمية الطاقة التي يمكن تخزينها وكفاءة عملها. خلال عملية البحث، أنشأوا قاعدة بيانات تتكون من 28 مكونًا معدنيًا مختلفًا وقارنوا أدائها في بطاريات الصوديوم. تم تصنيع هذه المجموعة من المواد عن طريق استبدال المنغنيز بكميات متغيرة من معادن مختلفة، بما في ذلك الحديد والتيتانيوم والفاناديوم. وجدت الدراسة أن الحديد يمكن أن يعزز قدرة التخزين، بينما يمكن أن يحسن الفاناديوم الاستقرار الدوري، في حين أن كميات صغيرة من التيتانيوم يمكن أن تعزز الأداء العالي.

تحتفظ بعض المواد المحتوية على التيتانيوم بأكثر من 90% من السعة بعد 100 دورة شحن وتفريغ.

التعلم الآلي لتسريع استكشاف المواد

يتفق الفريق على أن العثور على المواد التي تقدم أفضل أداء يعد تحديًا كبيرًا. لاستكشاف المواد البديلة المناسبة، طور الباحثون طريقة آلية لتحليل البيانات الناتجة عن التجارب. استخدموا مجموعة البيانات التي تم إنشاؤها خلال التجارب لتدريب نماذج التعلم الآلي. قال كوماندر: "هذا العمل هو الخطوة الأولى نحو إنشاء مجموعة بيانات أكبر، وهو أمر بالغ الأهمية لتوجيه البحث عن المواد بواسطة التعلم الآلي، مما يساعدنا على التعرف بسرعة على المواد الواعدة وتسريع تطوير بطاريات الصوديوم الأفضل."

قال الباحثون إن توسيع مجموعة البيانات سيتيح في النهاية للذكاء الاصطناعي التنبؤ بتكوين البطاريات الواعدة قبل الإنتاج والتجارب. لكن قاعدة البيانات الحالية لا تزال صغيرة جدًا لإجراء توقعات موثوقة. قد يؤدي توسيع الطريقة لتشمل مواد كاثود أوسع إلى إنشاء مجموعة بيانات كبيرة وعالية الجودة مطلوبة لتسريع اكتشاف مواد البطاريات الجديدة. مع مرور الوقت، سيساعد هذا العلماء في تصميم كاثودات بطاريات الصوديوم المستهدفة لاحتياجات محددة، مثل قدرة تخزين أعلى، شحن أسرع، أو عمر استخدام أطول. قال إيدن ماكس، طالب دراسات عليا في هندسة الفضاء ومؤلف مشارك في الدراسة: "ما يثير الإعجاب هو كيف تؤثر التغييرات النسبية الصغيرة في التركيب على توازن قدرة التخزين، الأداء العالي، والمتانة للمواد."

إن رسم هذه العلاقات يمنحنا اتجاهًا أوضح لاستكشاف الخطوة التالية.

تم نشر هذه النتائج البحثية في دراسة جديدة في مجلة Materials Chemistry.