કલ્પના કરો કે કોઈ મનોવિજ્ઞાની તમારા માતા-પિતાને કહે છે કે તમે જન્મ્યા તે દિવસે તમે કેટલું જીવશો. બેટરી રસાયણશાસ્ત્રીઓ માટે પણ આવો જ અનુભવ શક્ય છે જેઓ નવા કોમ્પ્યુટેશનલ મોડેલોનો ઉપયોગ કરીને બેટરીના જીવનકાળની ગણતરી પ્રાયોગિક ડેટાના એક ચક્રના આધારે કરી રહ્યા છે.

એક નવા અભ્યાસમાં, યુએસ ડિપાર્ટમેન્ટ ઓફ એનર્જી (DOE) ના આર્ગોન નેશનલ લેબોરેટરીના સંશોધકોએ વિવિધ બેટરી રસાયણોની વિશાળ શ્રેણીના જીવનકાળની આગાહી કરવા માટે મશીન લર્નિંગની શક્તિ તરફ વળ્યા છે. છ અલગ અલગ બેટરી રસાયણોનું પ્રતિનિધિત્વ કરતી 300 બેટરીના સેટમાંથી આર્ગોન ખાતે એકત્રિત કરાયેલા પ્રાયોગિક ડેટાનો ઉપયોગ કરીને, વૈજ્ઞાનિકો ચોક્કસ રીતે નક્કી કરી શકે છે કે વિવિધ બેટરીઓ કેટલો સમય ચક્ર ચાલુ રાખશે.

આર્ગોનના સંશોધકોએ વિવિધ રસાયણશાસ્ત્રની વિશાળ શ્રેણી માટે બેટરી ચક્ર જીવનની આગાહી કરવા માટે મશીન લર્નિંગ મોડેલોનો ઉપયોગ કર્યો છે. (છબી: શટરસ્ટોક/સીલસ્ટેપ.)

મશીન લર્નિંગ અલ્ગોરિધમમાં, વૈજ્ઞાનિકો કમ્પ્યુટર પ્રોગ્રામને ડેટાના પ્રારંભિક સેટ પર અનુમાન લગાવવા માટે તાલીમ આપે છે, અને પછી તે તાલીમમાંથી જે શીખ્યા છે તેને ડેટાના બીજા સેટ પર નિર્ણય લેવા માટે લે છે.

"સેલ ફોનથી લઈને ઇલેક્ટ્રિક વાહનો અને ગ્રીડ સ્ટોરેજ સુધી, દરેક અલગ પ્રકારની બેટરી એપ્લિકેશન માટે, દરેક ગ્રાહક માટે બેટરીનું જીવનકાળ મૂળભૂત મહત્વ ધરાવે છે," અભ્યાસના લેખક, આર્ગોન કોમ્પ્યુટેશનલ વૈજ્ઞાનિક નોહ પોલસને જણાવ્યું. "બેટરીને નિષ્ફળ જાય ત્યાં સુધી હજારો વખત સાયકલ ચલાવવામાં વર્ષો લાગી શકે છે; અમારી પદ્ધતિ એક પ્રકારનું કોમ્પ્યુટેશનલ ટેસ્ટ કિચન બનાવે છે જ્યાં આપણે ઝડપથી સ્થાપિત કરી શકીએ છીએ કે વિવિધ બેટરીઓ કેવી રીતે કાર્ય કરશે."

"અત્યારે, બેટરીમાં ક્ષમતા કેવી રીતે ઓછી થાય છે તેનું મૂલ્યાંકન કરવાનો એકમાત્ર રસ્તો એ છે કે બેટરીને ખરેખર સાયકલ કરવી," આ અભ્યાસના અન્ય લેખક, આર્ગોન ઇલેક્ટ્રોકેમિસ્ટ સુસાન "સુ" બેબીનેકે ઉમેર્યું. "તે ખૂબ ખર્ચાળ છે અને તેમાં ઘણો સમય લાગે છે."

પોલસનના મતે, બેટરીનું જીવનકાળ નક્કી કરવાની પ્રક્રિયા મુશ્કેલ હોઈ શકે છે. "વાસ્તવિકતા એ છે કે બેટરી કાયમ માટે ટકી શકતી નથી, અને તે કેટલો સમય ચાલે છે તે આપણે તેનો ઉપયોગ કેવી રીતે કરીએ છીએ, તેમજ તેમની ડિઝાઇન અને તેમની રસાયણશાસ્ત્ર પર આધાર રાખે છે," તેમણે કહ્યું. "અત્યાર સુધી, બેટરી કેટલો સમય ચાલશે તે જાણવાનો ખરેખર કોઈ સારો રસ્તો નથી. લોકો જાણવા માંગશે કે નવી બેટરી પર પૈસા ખર્ચવા માટે તેમની પાસે કેટલો સમય છે."

આ અભ્યાસનું એક અનોખું પાસું એ છે કે તે આર્ગોન ખાતે વિવિધ બેટરી કેથોડ સામગ્રી પર કરવામાં આવેલા વ્યાપક પ્રાયોગિક કાર્ય પર આધાર રાખે છે, ખાસ કરીને આર્ગોનના પેટન્ટ કરાયેલ નિકલ-મેંગેનીઝ-કોબાલ્ટ (NMC)-આધારિત કેથોડ. "અમારી પાસે એવી બેટરીઓ હતી જે વિવિધ રસાયણશાસ્ત્રનું પ્રતિનિધિત્વ કરતી હતી, જેની વિવિધ રીતો હતી કે તેઓ કેવી રીતે ડિગ્રેડ થશે અને નિષ્ફળ જશે," પોલસને કહ્યું. "આ અભ્યાસનું મૂલ્ય એ છે કે તેણે અમને એવા સંકેતો આપ્યા જે વિવિધ બેટરીઓ કેવી રીતે કાર્ય કરે છે તેની લાક્ષણિકતા છે."

આ ક્ષેત્રમાં વધુ અભ્યાસમાં લિથિયમ-આયન બેટરીના ભવિષ્યને માર્ગદર્શન આપવાની ક્ષમતા છે, પોલસને કહ્યું. "આપણે જે કરી શકીએ છીએ તેમાંથી એક એ છે કે જાણીતા રસાયણશાસ્ત્ર પર અલ્ગોરિધમને તાલીમ આપવી અને તેને અજાણ્યા રસાયણશાસ્ત્ર પર આગાહીઓ કરવી," તેમણે કહ્યું. "મૂળભૂત રીતે, અલ્ગોરિધમ આપણને નવી અને સુધારેલી રસાયણશાસ્ત્રની દિશામાં નિર્દેશ કરવામાં મદદ કરી શકે છે જે લાંબા સમય સુધી આયુષ્ય આપે છે."

આ રીતે, પોલસન માને છે કે મશીન લર્નિંગ અલ્ગોરિધમ બેટરી સામગ્રીના વિકાસ અને પરીક્ષણને વેગ આપી શકે છે. "કહો કે તમારી પાસે એક નવી સામગ્રી છે, અને તમે તેને થોડી વાર સાયકલ કરો છો. તમે તેના લાંબા આયુષ્યની આગાહી કરવા માટે અમારા અલ્ગોરિધમનો ઉપયોગ કરી શકો છો, અને પછી તમે તેને પ્રાયોગિક રીતે સાયકલ કરવાનું ચાલુ રાખવા માંગો છો કે નહીં તે અંગે નિર્ણય લઈ શકો છો."

"જો તમે પ્રયોગશાળામાં સંશોધક છો, તો તમે ઓછા સમયમાં ઘણી બધી સામગ્રી શોધી અને પરીક્ષણ કરી શકો છો કારણ કે તમારી પાસે તેનું મૂલ્યાંકન કરવાની ઝડપી રીત છે," બેબીનેકે ઉમેર્યું.

અભ્યાસ પર આધારિત એક પેપર, ​“મશીન લર્નિંગ માટે ફીચર એન્જિનિયરિંગ બેટરી લાઇફટાઇમની પ્રારંભિક આગાહીને સક્ષમ બનાવે છે"જર્નલ ઓફ પાવર સોર્સિસ" ના 25 ફેબ્રુઆરીના ઓનલાઈન સંસ્કરણમાં પ્રકાશિત થયું.

પોલસન અને બેબીનેક ઉપરાંત, પેપરના અન્ય લેખકોમાં આર્ગોનના જોસેફ કુબાલ, લોગન વોર્ડ, સૌરભ સક્સેના અને વેનક્વાન લુનો સમાવેશ થાય છે.

આ અભ્યાસને આર્ગોન લેબોરેટરી-ડાયરેક્ટેડ રિસર્ચ એન્ડ ડેવલપમેન્ટ (LDRD) ગ્રાન્ટ દ્વારા ભંડોળ પૂરું પાડવામાં આવ્યું હતું.