Courtesy of InterestingEngineering

Model Machine Learning Temukan Formula Baru untuk Baterai Tegangan Tinggi

Menggunakan model machine learning untuk mempercepat penemuan kombinasi kimia baru yang dapat meningkatkan performa baterai LNMO dengan efektif, sehingga mempercepat pengembangan solusi energi yang efisien dan tahan lama.

31 Agt 2025, 15.02 WIB

278 dibaca

Ikhtisar 15 Detik

Penggunaan model pembelajaran mesin dapat mempercepat proses penemuan bahan baru untuk baterai.
Baterai LNMO menawarkan keuntungan tanpa kobalt tetapi memiliki tantangan stabilitas yang lebih tinggi.
Aditif elektrolit yang efektif dapat meningkatkan kinerja baterai dengan membentuk antarmuka stabil.

Lemont, Amerika Serikat - Para ilmuwan di Argonne National Laboratory mengembangkan teknik menggunakan machine learning untuk menemukan bahan tambahan kimia yang dapat meningkatkan performa baterai LNMO. Mereka melatih model pada data kecil berisi 28 aditif untuk mencari kombinasi baru yang lebih efektif.

Baterai LNMO memiliki keunggulan kapasitas energi tinggi dan tidak menggunakan kobalt, namun beroperasi pada tegangan hampir 5 volt yang menyebabkan masalah pada elektrolit konvensional, seperti dekomposisi dan kerusakan baterai.

Aditif elektrolit berfungsi membentuk lapisan stabil di permukaan elektroda selama siklus awal, yang bermanfaat untuk menurunkan resistansi dan memperpanjang umur baterai. Namun, memilih aditif yang tepat dengan cara tradisional sangat memakan waktu.

Dengan model machine learning, tim Argonne memprediksi performa dari 125 kombinasi baru aditif hanya berdasarkan dataset awal yang kecil. Mereka berhasil menemukan beberapa aditif yang mampu meningkatkan performa baterai dibandingkan yang sebelumnya ada.

Metode ini menunjukkan bahwa dengan data yang dipilih secara tepat, machine learning dapat menjadi alat yang kuat dan efisien untuk penelitian material baterai, menghemat waktu eksperimen dan membuka jalan untuk baterai yang lebih efisien dan tahan lama.

Referensi:
[1] https://interestingengineering.com/energy/ev-batteries-to-get-energy-medicines

Analisis Kami

"Pendekatan Argonne menunjukkan revolusi dalam riset material baterai dengan mengurangi ketergantungan pada eksperimen mahal dan panjang. Namun, keberhasilan implementasi di skala industri masih bergantung pada validasi eksperimental lebih lanjut dan penyesuaian model sesuai kondisi dunia nyata."

Analisis Ahli

Hieu Doan

"Data kecil tapi berkualitas bisa melatih model machine learning yang akurat untuk prediksi performa aditif baterai."

Chen Liao

"Tantangan utama baterai LNMO adalah kestabilan elektrolit pada tegangan tinggi, dan aditif elektrolit membantu mengatasi degradasi yang terjadi."

Prediksi Kami

Penggunaan machine learning untuk desain bahan baterai akan semakin umum, mempercepat inovasi baterai berkapasitas tinggi dan stabil, mengarah pada pengembangan baterai kendaraan listrik dan perangkat elektronik yang lebih tahan lama dan efisien dalam waktu dekat.

Pertanyaan Terkait

Apa tujuan penelitian yang dilakukan oleh Argonne National Laboratory?

Tujuan penelitian yang dilakukan oleh Argonne National Laboratory adalah untuk menemukan kombinasi kimia baru yang dapat meningkatkan performa teknologi baterai bertegangan tinggi.

Apa itu baterai LNMO dan mengapa penting?

Baterai LNMO adalah baterai yang terbuat dari lithium, nikel, mangan, dan oksigen, yang menawarkan kapasitas energi yang lebih tinggi tanpa memerlukan kobalt. Baterai ini penting karena dapat mengatasi keterbatasan rantai pasokan kobalt.

Bagaimana model pembelajaran mesin membantu dalam penelitian ini?

Model pembelajaran mesin membantu dengan menghubungkan struktur kimia aditif dengan pengaruhnya terhadap kinerja baterai, memungkinkan prediksi kombinasi baru yang lebih cepat.

Apa peran aditif elektrolit dalam kinerja baterai?

Aditif elektrolit berperan dengan terdekomposisi selama siklus awal baterai untuk membentuk antarmuka stabil pada elektroda, yang dapat mengurangi resistensi dan meningkatkan kinerja baterai.

Siapa Hieu Doan dan apa kontribusinya dalam penelitian ini?

Hieu Doan adalah ilmuwan komputasi di Argonne National Laboratory yang berfokus pada pengembangan model pembelajaran mesin untuk penelitian material, membantu menemukan cara efisien untuk meningkatkan performa baterai.