Courtesy of InterestingEngineering

AI Baru Mempercepat Penemuan Elektrolit Baterai Generasi Berikutnya

Mengembangkan kerangka kerja berbasis kecerdasan buatan yang dapat mempercepat pengembangan elektrolit baterai dengan mengidentifikasi molekul yang memiliki sifat ideal secara bersamaan.

06 Mei 2025, 21.41 WIB

91 dibaca

Ikhtisar 15 Detik

Kecerdasan buatan dapat mempercepat pengembangan baterai dengan mengidentifikasi molekul elektrolit yang ideal.
Model AI yang dikembangkan dapat mengevaluasi kinerja kandidat elektrolit berdasarkan beberapa kriteria secara simultan.
Tim peneliti menghadapi tantangan dalam memprediksi kinerja molekul yang belum pernah mereka lihat sebelumnya.

Chicago, Illinois, United States - Para peneliti dari University of Chicago mengembangkan sistem berbasis kecerdasan buatan untuk mempercepat pencarian molekul ideal sebagai elektrolit baterai. Sistem ini menggunakan metrik khusus bernama 'eScore' untuk menilai performa molekul berdasarkan beberapa kriteria penting seperti konduktivitas ionik, stabilitas oksidatif, dan efisiensi Coulomb.

Data pelatihan AI dikumpulkan secara manual dari lebih dari 250 studi ilmiah selama 50 tahun riset baterai lithium-ion. Tantangan terbesar adalah data yang mayoritas berbentuk gambar seperti grafik dan tabel, sehingga memerlukan input manual karena AI saat ini masih kesulitan mengekstrak data dari gambar.

Dengan metode ini, AI dapat menilai molekul elektrolit yang belum pernah ditemui sebelumnya dan membuat prediksi yang akurat tentang performanya. Hal ini membantu riset baterai melewati metode coba-coba yang lambat dan memungkinkan eksplorasi jauh lebih banyak kandidat molekul.

Peneliti membandingkan AI dalam riset baterai dengan algoritma rekomendasi musik yang mempelajari pola dan memilih lagu terbaik. Mereka berharap ke depannya, AI juga bisa tidak hanya memilih molekul tetapi juga menciptakan kombinasi baru yang optimal, mempercepat inovasi dalam desain baterai.

Walaupun masih ada tantangan seperti kemampuan AI untuk bekerja di ruang kimia yang berbeda, pendekatan ini membuka jalan baru bagi pengembangan baterai generasi selanjutnya yang lebih efisien dan tahan lama. Studi ini telah dipublikasikan di Chemistry of Materials.

--------------------

Analisis Kami: Pendekatan AI ini merupakan terobosan yang sangat dibutuhkan dalam riset baterai karena mampu mengatasi hambatan besar dalam pengujian eksperimental molekul elektrolit secara masif. Namun, ketergantungan pada data manual selama awal pelatihan menunjukkan perlunya pengembangan teknologi ekstraksi data lebih maju agar prosesnya lebih efisien dan akurat di masa depan.

--------------------

Analisis Ahli:

Ritesh Kumar: AI dapat menjadi kunci untuk mengatasi dilema tradisional dalam pengembangan elektrolit dengan memadukan berbagai sifat yang sulit dioptimalkan secara bersamaan, membuka jalur baru untuk desain material baterai.

Amanchukwu: Metafora AI seperti algoritma rekomendasi musik menunjukkan potensi teknologi ini dalam mempercepat penelitian sains dan menciptakan material baru yang belum pernah ditemukan sebelumnya.

--------------------

What's Next: Dengan kemajuan AI ini, kemungkinan besar kita akan melihat percepatan signifikan dalam penemuan molekul elektrolit baru yang lebih efisien dan stabil, yang pada akhirnya mengarah pada baterai dengan performa lebih baik dan masa pakai lebih lama.

Referensi:
[1] https://interestingengineering.com/energy/next-gen-ev-batteries-use-solid-electrolytes-to-double-lithium-cell-range-life

Pertanyaan Terkait

Apa tujuan dari kerangka kerja berbasis kecerdasan buatan yang dikembangkan oleh tim peneliti?

Tujuan dari kerangka kerja berbasis kecerdasan buatan adalah untuk mempercepat pengembangan baterai generasi berikutnya dengan mengidentifikasi molekul yang memiliki sifat elektrolit yang ideal.

Apa itu 'eScore' dan bagaimana cara kerjanya?

'eScore' adalah metrik yang digunakan untuk mengevaluasi dan meranking kandidat elektrolit berdasarkan kinerja mereka dalam konduktivitas ionik, stabilitas oksidatif, dan efisiensi Coulomb.

Mengapa pengembangan elektrolit sering melibatkan trade-off?

Pengembangan elektrolit sering melibatkan trade-off karena molekul yang menawarkan stabilitas tinggi sering kali kurang konduktif, dan sebaliknya.

Apa tantangan utama yang dihadapi tim dalam mengembangkan model AI ini?

Tantangan utama yang dihadapi tim adalah melatih model AI untuk memprediksi kinerja molekul dalam ruang kimia yang sepenuhnya berbeda.

Di mana hasil penelitian ini dipublikasikan?

Hasil penelitian ini dipublikasikan di jurnal Chemistry of Materials.