Imaginez un médium disant à vos parents, le jour de votre naissance, combien de temps vous vivriez.Une expérience similaire est possible pour les chimistes spécialisés dans les batteries qui utilisent de nouveaux modèles informatiques pour calculer la durée de vie des batteries sur la base d’un seul cycle de données expérimentales.

Dans une nouvelle étude, des chercheurs du laboratoire national d'Argonne du ministère américain de l'Énergie (DOE) se sont tournés vers la puissance de l'apprentissage automatique pour prédire la durée de vie d'un large éventail de compositions chimiques de batteries différentes.En utilisant les données expérimentales recueillies à Argonne à partir d'un ensemble de 300 batteries représentant six compositions chimiques différentes, les scientifiques peuvent déterminer avec précision la durée pendant laquelle les différentes batteries continueront à fonctionner.

Les chercheurs d’Argonne ont utilisé des modèles d’apprentissage automatique pour prédire la durée de vie des batteries pour un large éventail de produits chimiques différents.(Image de Shutterstock/Sealstep.)

Dans un algorithme d’apprentissage automatique, les scientifiques entraînent un programme informatique à faire des inférences sur un ensemble initial de données, puis utilisent ce qu’il a appris de cette formation pour prendre des décisions sur un autre ensemble de données.

"Pour chaque type d'application de batterie, des téléphones portables aux véhicules électriques en passant par le stockage sur réseau, la durée de vie de la batterie est d'une importance fondamentale pour chaque consommateur", a déclaré Noah Paulson, informaticien d'Argonne, auteur de l'étude."Devoir faire fonctionner une batterie des milliers de fois jusqu'à ce qu'elle tombe en panne peut prendre des années ;notre méthode crée une sorte de cuisine de tests informatiques où nous pouvons rapidement établir les performances des différentes batteries.

"À l'heure actuelle, la seule façon d'évaluer la façon dont la capacité d'une batterie s'affaiblit est de faire fonctionner la batterie", a ajouté Susan "Sue" Babinec, électrochimiste d'Argonne, un autre auteur de l'étude."C'est très cher et cela prend beaucoup de temps."

Selon Paulson, le processus d’établissement de la durée de vie d’une batterie peut s’avérer délicat."La réalité est que les batteries ne durent pas éternellement, et leur durée dépend de la façon dont nous les utilisons, ainsi que de leur conception et de leur chimie", a-t-il déclaré."Jusqu'à présent, il n'existait pas vraiment de moyen efficace de savoir combien de temps durerait une batterie.Les gens voudront savoir combien de temps il leur reste avant de devoir dépenser de l’argent pour une nouvelle batterie.

Un aspect unique de l'étude est qu'elle s'appuie sur des travaux expérimentaux approfondis effectués à Argonne sur une variété de matériaux de cathode de batterie, en particulier la cathode brevetée à base de nickel-manganèse-cobalt (NMC) d'Argonne."Nous avions des batteries qui représentaient différentes chimies, qui se dégradaient et tombaient en panne de différentes manières", a déclaré Paulson."La valeur de cette étude est qu'elle nous a donné des signaux caractéristiques du fonctionnement des différentes batteries. "

Des études plus approfondies dans ce domaine pourraient potentiellement guider l’avenir des batteries lithium-ion, a déclaré Paulson."L'une des choses que nous pouvons faire est de former l'algorithme sur une chimie connue et de lui faire faire des prédictions sur une chimie inconnue", a-t-il déclaré."Essentiellement, l'algorithme peut nous aider à nous orienter vers des produits chimiques nouveaux et améliorés qui offrent des durées de vie plus longues. "

De cette manière, Paulson estime que l’algorithme d’apprentissage automatique pourrait accélérer le développement et les tests des matériaux de batterie."Disons que vous avez un nouveau matériau et que vous le recyclez plusieurs fois.Vous pouvez utiliser notre algorithme pour prédire sa longévité, puis décider si vous souhaitez ou non continuer à le faire fonctionner de manière expérimentale.

"Si vous êtes chercheur dans un laboratoire, vous pouvez découvrir et tester beaucoup plus de matériaux en moins de temps, car vous disposez d'un moyen plus rapide de les évaluer", a ajouté Babinec.

Un article basé sur l'étude, "L'ingénierie des fonctionnalités pour l'apprentissage automatique a permis de prédire rapidement la durée de vie de la batterie», paru dans l’édition en ligne du 25 février du Journal of Power Sources.

Outre Paulson et Babinec, les autres auteurs de l'article incluent Joseph Kubal d'Argonne, Logan Ward, Saurabh Saxena et Wenquan Lu.

L’étude a été financée par une subvention de recherche et développement dirigée par le laboratoire d’Argonne (LDRD).