Sıvı lityum-iyon piller, sahip olduğu yüksek enerji yoğunluğu ve hızlı şarj olabilme özellikleri sebebiyle bir çok cihazda kullanılmasıyla birlikte aynı zamanda sıvının kararsızlığından meydana gelen uçuculuk özelliği ile beraber bir çok kez patlama, yanma gibi haberlerle gündem oluşturmuştu. Bir çok araştırma ekibi yanmayan, patlamayan pil konusunda çalışmalarını sürdürmekte, bunlardan sonuca en yakını Stanford Üniversitesi’nden Sendek ve ekibi. Şüphesiz yaptıkları çalışmalarda başırıyı yakalamaları halinde bundan en fazla memnuniyet duyacak olan Samsung gibi görünüyor.
Alev almayan batarya üretiminde Stanford Üniversitesi araştırmalarına hız vermiş şekilde devam etmekte. Stanford Üniversitesi bilim adamları daha güvenli pillerin üretimini yapmak için yapay zekaya başvurmaya karar verdi.
Araştırmacılar günün birinde lityum-iyon pillerinde bulunan sıvı ve yanıcı elektrolitlerin yerine geçebilecek 21 adet katı madde tanımladılar. Bu katı elektrolitlerin tanımlanmasında kullanılan teknikleri yapay zekaya ve makine öğrenimine dayandırdılar. Bu tanımlanan maddeler ile üretilecek pillerin güvenliği artıracağından söz edilmektedir.
Araştırmanın önemli isimlerinden, uygulamalı fizik doktora adayı Austin Sendek, elektrolitlerin lityum iyonlarını pozitif ve negatif elektrotlar arasından ileri-geri dolaştırdığını söylemekte. Sözlerinin devamında sıvı elektrolitlerin ucuz olduğundan ve iyonları mükemmel derecede yönlendirebildiğinden fakat pilin aşırı ısınması veya pil üzerinde delik açılması durumunda kısa devre yapıp alev alabileceğini belirtmekte. Sendek son olarak katı elektrolitlerin avantajının kararlı yapıya sahip olmaları olduğunu belirtiyor. Katıların organik çözücülerden daha az uçuculuk gösterdiğini, daha sert olduklarını ve pili daha güçlü yaptıklarını belirtiyor.
Alev almayan pil üretme fikri, son zamanlarda ortaya çıkan bir çok telefon ve diğer cihazların patlama eğiliminde olmasından kaynaklanmaktadır. Bunların son örneği ise yaklaşık 2 milyon adetinin toplanmasına neden olan Galaxy Note 7’dir.
Araştırmacıların yıllarca laboratuvar ortamında yaptığı deneylere rağmen, oda sıcaklığında sıvı elektrolitlerin gösterdiği performansı gösterebilecek bir katı madde bulunamamıştı.
Bu durumun farkında olan yeni ekip, önceden deneylerin yapılış şekli olan bileşikleri rastgele biçimde tek tek test etmek yerine, deneysel veriden öngörülebilen modeller oluşturmak için yapay zekaya ve makine öğrenimine başvurdu. Nasıl ki bir yüz tanıma algoritması, birkaç örnek gördükten sonra yüzleri tanımayı öğrenebiliyorsa, elde bulunan verilere dayanarak bileşiklerin nasıl tanımlanacağını öğrenen bir algoritma tasarladılar. Sendek içerisinde lityum barındıran onbinlerce bileşik olduğunu ve bunların birçoğunun test edilmemiş olduğunu ve belki de bunlardan bazılarının mükemmel iletkenlik özelliği taşıdığını düşündüklerini söylemektedir. Ellerinde bulunan sınırlı verileri kullanarak öğrenen ardından mevcut tarama yöntemlerinden bir milyon kat daha hızlı biçimde test edilmemiş materyalleri tarayan modeli geliştirdiklerini anlatmaktadır. Modelin ihtiyaç duyduğu, yapısında lityum olan katı bileşiklere ait bilimsel verileri toplamak iki yıldan fazla sürmüştür.
Malzeme bilimi ve mühendisliği asistan profesörü Evan Reed, verilerin insanlık tarihi boyunca elde edilmiş en küçük sonuçtan en büyüğüne kadar, çok geniş bir kaynağı olduğunu söylemektedir. Ayrıca Reed, Sendek’in elde edilen bu verileri bir maddenin iyi bir elektrolit olup olmayacağını tahmin eden bir model yaratmak için kullandığını, bu yaklaşımın daha ileri aşamalar için en umut verici materyallerin belirlenmesi için bütün aday materyallerin taranmasını sağlayan geniş ölçekli bir yaklaşım olduğunu belirtmektedir.
Bu yaklaşıma kısaca göz atacak olursak, araştırmacılar maddeleri tanımlayabilmek için, içerisinde lityum bulunan bütün katıları tarama yeteneğine sahip ve sonunda kullanılabilecek bütün aday materyalleri tanımlayan geniş çaplı tarama gerçekleştirdiler. Pillerde kullanıldığı halde yararlı olabilecek maddelerin, içerisinde birçok gerekliliği sağlaması beklendiği için bunu test etmek hem deneysel hem de hesaplama açısından pahalı tekniklerle dahi zor gerçekleşecek bir optimizasyondu. Maliyet ve diğer optimizasyon problemleri neticesinde öncelikle yüksek yapısal ve kimyasal durgunluğa sahip aynı zamanda düşük elektrik iletkenliği ve maliyeti olan kristal yapıdaki 12831 adet içerisinde lityum barındıran maddelerin incelenmesiyle işe başlandı. Sonrasında önceden elde bulunan deneysel ölçümler baz alınarak hangi aday materyallerin lityum iletiminde daha hızlı olacağını belirlemek için lojistik regresyon yöntemi kullanıp veri temelli iyonik iletkenlik modeli ortaya konuldu. Gerçekleştirilen işlemlerden sonra 12 831 adet materyal 21’e kadar azalıyor.
Patlayan yanan piller konusundaki çalışmalara önem veren Stanford Üniversitesi daha öncesinde ısındığı zaman cihazı kapatan soğuduğunda tekrar çalıştıran teknolojiyi kullanıma sunmuşlardı.
Kaynak: Stanford University