Küresel otomotiv ve enerji sektörlerinin odak noktasında yer alan tamamen katı hal piller, lityum iyon pillere göre daha güvenli olmaları ve yüksek enerji yoğunluğu sunmalarıyla öne çıkıyor. Ancak bu pillerin performansı, iyonların katı ortam içinde ne kadar hızlı hareket edebildiğine bağlı. Geleneksel yöntemlerle yıllar süren ‘ideal malzeme’ arayışı, artık makine öğrenimi (ML) modelleriyle optimize ediliyor.
MAKİNE ÖĞRENİMİ İLE SPEKTROSKOPİK DEVRİM
Araştırmacılar, iyonların katı bir ortamda sıvı benzeri bir akışkanlıkla hareket ettiği anları tahmin etmek için Raman spektrumlarını simüle eden hızlandırılmış bir iş akışı geliştirdiler. ‘Tensör ML modelleri’ olarak adlandırılan bu sistem, iyonların kristal kafes içindeki hareketlerini atomik düzeyde takip ediyor.
İyonlar yapı içinde hızla hareket ettiğinde, kristal yapının simetrisi geçici olarak bozuluyor. Bu bozulma, "Raman saçılımı" adı verilen özel bir spektral sinyal üretiyor. Yeni yöntem, bu sinyalleri analiz ederek hangi malzemenin yüksek iyonik hareketliliğe sahip olduğunu, yani pillerin ne kadar hızlı şarj-deşarj olabileceğini hatasız bir şekilde belirliyor.
SODYUM İYON İLETKENLERİNDE BAŞARILI SONUÇLAR
Geliştirilen teknoloji, ilk etapta Na₃SbS₄ gibi sodyum iyonu ileten malzemeler üzerinde test edildi. Yapılan deneylerde:
TİCARİLEŞME SÜRECİ HIZLANACAK
Bu stratejik hamle, enerji depolama sektöründe 'veri odaklı malzeme keşfi' için dev bir kapı aralıyor. Bilim insanları artık binlerce aday malzemeyi fiziksel olarak sentezlemek yerine, yapay zeka üzerinden sanal ortamda tarayarak en uygun olanları seçebilecek.
Bu hızlanma, yüksek performanslı katı hal pillerinin elektrikli araçlardan giyilebilir teknolojilere kadar geniş bir alanda ticari kullanımını öne çekecek. Özellikle 'güvenli ve hızlı şarj' arayışındaki küresel pazar için bu keşif, milyarlarca dolarlık Ar-Ge tasarrufu ve daha kısa sürede son kullanıcıya ulaşan ürünler anlamına geliyor.
