Ana Sayfae-DergiRedoks akış pillerinde çözücü tercihini yapay zeka yapıyor

Redoks akış pillerinde çözücü tercihini yapay zeka yapıyor

Bilim dünyasında enerji depolama teknolojilerine yönelik çığır açan bir keşif gerçekleştirildi. Bir grup araştırmacı, yapay zeka (YZ) ve yüksek verimli deney (YVD) sistemlerini birleştirerek redoks akış pilleri (RAP) için çözücü süresini önemli ölçüde hızlandıran bir platform geliştirdi. Bu platform, hem deney süresini kısaltıyor hem de enerji depolama kapasitesini artırarak enerji teknolojilerinin geleceğinde büyük bir değişim getiriyor.

Şekil 1. (a) Çözünürlük ölçümü için HTE sistemi. Otomasyon süreci toz (b) ve çözücü (c) dağıtımı, doymuş numune izleme (d), NMR örneklemesi (e) ve analizi (f).

Enerji depolama teknolojilerinde redoks akış pilleri (RFB), yenilenebilir enerji kaynaklarının sürdürülemeyen değişken yapısını kontrol etmede en önde gelen teknolojilerden biri olarak biliniyor. Bu piller, enerji depolama ve enerji üretim bileşenlerini ayrı tutarak uzun süreli enerji depolama ihtiyacını karşılıyor. Ancak, bu pillerde kullanılan organik redoks-aktif moleküllerin (ROM) düşük çözünürlüğü pillerin enerji yoğunluğunu sınırlayan başlıca sorunlardan biri olarak karşımıza çıkıyor. ROM’ların çözünürlüğünün artırılması ile bu pillerin enerji depolama kapasitesini doğrudan etkileyerek verimliliklerini önemli ölçüde artıracağı düşünülüyor.

Geleneksel yöntemlerle ROM’ların çözünürlüğünü artırma üzerine yapılan deneyler genellikle zaman alıcı ve maliyetlidir. Bilim insanları, bu süreci hızlandırmak ve daha verimli hale getirmek için YZ destekli bir platform geliştirdiler. Bu platform, deney süreçlerini optimize ederek araştırmacıların binlerce farklı çözücü kombinasyonunu hızlı bir şekilde test etmelerine olanak tanıyor. YZ ile desteklenen bu platform, 2000’den fazla çözücü kombinasyonunu analiz ederek yalnızca %10’unu deneyip en etkili çözücüleri belirledi. Bu süreç, yalnızca zaman tasarrufu sağlamakla kalmıyor, aynı zamanda deneysel kaynakların daha verimli kullanılmasına da yardımcı oluyor. Araştırmacılar, özellikle 2,1,3-benzotiyadiazol (BTZ) adlı redoks-aktif molekülün çözünürlüğünü 6,20 molar seviyesinin üzerine çıkararak büyük bir başarıya imza attılar. Bu yüksek çözünürlük, pillerin enerji yoğunluğunu artırarak enerji depolama teknolojilerinde çığır açan bir yenilik olarak kabul ediliyor.

Bilim insanı Vijay Murugesan, “Yapay zekayı deney sürecine entegre ederek daha az deneyle hızlı ve doğru sonuçlara ulaştık. Amacımız, deneyleri artırmak yerine YZ’nin gücünü kullanarak verimliliği artırmaktı.” dedi1.

Bu entegre platform, YZ algoritmaları ve yüksek verimli deney sistemlerinin birleşiminden oluşuyor. Robotik deney platformu, deneyleri otomatik olarak gerçekleştirirken YZ algoritması elde edilen verileri analiz ederek hangi çözücülerin test edilmesi gerektiğini belirliyor.

PNNL’den Yangang Liang, “Robotik sistem deneyleri hızlandırsa da hâlâ enerji ve kimyasal maddeler kullanıyor. Bu yüzden ilk aşamada YZ algoritmasını doğru şekilde eğitmek için en kritik verileri topladık. Bu sayede deneyleri daha hızlı ve verimli hale getirdik.” dedi.

Araştırmacılar, bu platformun yalnızca redoks akış pilleri için değil, enerji depolama teknolojilerinde kullanılan diğer malzemelerin keşfinde de büyük bir potansiyele sahip olduğunu belirtiyor. PNNL’den Karl Mueller, “YZ ve malzeme bilimi alanındaki iş birliği, enerji depolama sorunlarını çözmek için kritik bir öneme sahip. Bu tür projeler, gelecekte malzeme keşfinde devrim yaratabilir.” diye ekleyerek bu düşünceyi destekliyor.

Bu çalışma, yalnızca enerji depolama çözümleri için yeni malzemelerin keşfini hızlandırmakla kalmıyor, aynı zamanda gelecekte otonom laboratuvarların geliştirilmesine de zemin hazırlıyor. Otonom laboratuvarların yapay zeka ile yönlendirilen deney süreçleri sayesinde malzeme keşfi ve geliştirme süreçlerini büyük ölçüde hızlandıracağı düşünülüyor. Bu da, bu çalışmanın bir tek enerji depolama teknolojilerinde değil, diğer bilimsel alanlarda da araştırmaların daha hızlı ilerlemesine katkı sağlayacağını bir kez daha göstermiş oluyor.

JCESR’nin kurucu direktörü George Crabtree, bilim insanlarını daha büyük düşünmeye ve YZ ile deney süreçlerini birleştirerek keşifleri hızlandırmaya teşvik etti. Bu sayede, araştırmacılar yapay zeka ve robotik platformları bir araya getirerek önemli sonuçlara ulaşmayı başardı.

YZ destekli yüksek verimli deney platformu, enerji depolama teknolojilerinde büyük bir devrim yaratma potansiyeline sahip. Araştırmacılar, redoks akış pillerinde kullanılan organik moleküllerin çözünürlüğünü artırarak enerji yoğunluğu yüksek, daha verimli piller üretmeyi başardılar. Bu gelişme, enerji depolama teknolojilerinde malzeme keşif sürecini hızlandırarak temiz enerji çözümlerine katkı sağlamanın ötesinde, YZ’nin bilimsel ilerlemelerdeki potansiyelini de gözler önüne seriyor.

Bu yenilikçi platform, sürdürülebilir enerji teknolojilerinin geliştirilmesine katkıda bulunarak gelecekteki enerji sorunlarına çözümler sunmayı hedefliyor. YZ ile hızlanan keşif süreçleri enerji depolama teknolojilerinde daha verimli malzemeler geliştirilmesinde kritik bir rol oynayacak2,3.

 

Kaynaklar

  1. https://techxplore.com/news/2024-09-ai-experimentation-energy-storage-solution.html   
  2. Doan, H. A., Li, C., Ward, L., Zhou, M., Curtiss, L. A., & Assary, R. S. (2023). Accelerating the evaluation of crucial descriptors for catalyst screening via message passing neural network. Digital Discovery, 2(1), 59-68.
  3. Noh, J., Doan, H. A., Job, H., Robertson, L. A., Zhang, L., Assary, R. S., … & Liang, Y. (2024). An integrated high-throughput robotic platform and active learning approach for accelerated discovery of optimal electrolyte formulations. Nature Communications, 15(1), 2757.

Yorum Yap

Lütfen yorumunuzu giriniz!
Lütfen isminizi buraya giriniz

Bu site, istenmeyenleri azaltmak için Akismet kullanıyor. Yorum verilerinizin nasıl işlendiği hakkında daha fazla bilgi edinin.

Son Yazılar

Son Yorumlar