Pil test süresini yüzde 95 kısaltan yapay zeka

Michigan Üniversitesi araştırmacıları, batarya endüstrisinde maliyetleri dramatik şekilde düşürecek yapay zeka destekli yeni bir model geliştirdi. Aylar süren test süreçlerini günlere indiren teknoloji, enerji tüketiminde yüzde 95 tasarruf vadediyor.

Giriş: 06.02.2026 - 16:37
Güncelleme: 06.02.2026 - 16:37
Pil test süresini yüzde 95 kısaltan yapay zeka

Elektrikli araçlardan mobil cihazlara kadar geniş bir pazarın kalbi olan batarya teknolojilerinde, en büyük darboğazlardan biri olan ‘test süresi ve maliyeti’ sorunu yapay zeka ile aşılıyor.


Michigan Üniversitesi Mühendislik Fakültesi tarafından geliştirilen yeni bir yapay zeka aracı, sadece 50 şarj-deşarj döngüsünden elde edilen verilerle, bir pilin tüm yaşam ömrünü yüksek doğrulukla tahmin edebiliyor. Geleneksel yöntemlerde aylar, hatta yıllar süren bu testlerin kısalması, sanayide büyük bir verimlilik artışı anlamına geliyor.


AYLAR SÜREN TESTLER TARİHE KARIŞIYOR

Yeni sistem, pilin kapasitesinin tasarım kapasitesinin yüzde 90'ının altına düşmeden önce kaç çevrim geçirebileceğini hesaplıyor. Araştırma ekibinin verilerine göre bu yöntem, geleneksel testlerin gerektirdiği sürenin sadece yüzde 2'si kadar bir zamanda sonuç veriyor. Bu hız, enerji maliyetlerinde de yüzde 95'e varan bir tasarruf sağlıyor.


Michigan Üniversitesi Elektrik ve Bilgisayar Mühendisliği Bölümü Yardımcı Doçenti Ziyou Song, Nature dergisinde yayımlanan çalışmayla ilgili olarak, "Tarihsel pil tasarımlarından ders çıkararak, erken aşama testleri ile çevrim ömrü arasında fizik tabanlı özelliklerden yararlanan bir eşleme oluşturuyoruz. Böylece deneysel çabaları minimize ediyoruz" ifadelerini kullandı.


‘KEŞİFSEL ÖĞRENME’ MODELİ

Kaliforniya merkezli pil üreticisi Farasis Energy US tarafından da desteklenen proje, ‘keşifsel öğrenme’ (discovery learning) adı verilen bir yapay zeka yaklaşımına dayanıyor. Sistem, tıpkı bir öğrenci gibi önceki deneyimlerden ve fizik kurallarından faydalanarak yeni problemleri çözüyor.


Süreç şu üç aşamada işliyor:

  • Öğrenici: Bilgi boşluklarını dolduracak pil adaylarını seçiyor.
  • Yorumlayıcı: Geçmiş veriler ve fizik tabanlı simülatörlerle hesaplamalar yapıyor.
  • Kahin: Elde edilen verilerle nihai ömür tahmininde bulunuyor.


Doktora adayı ve çalışmanın ilk yazarı Jiawei Zhang, bu yöntemin sadece istatistiksel verilere değil, pilin içsel fiziksel ve kimyasal özelliklerine odaklandığını vurguladı.

Pil test süresini yüzde 95 kısaltan yapay zeka


FARKLI PİL TİPLERİNDE YÜKSEK BAŞARI

Yapay zeka modelinin en dikkat çekici özelliği, farklı form faktörlerine uyum sağlayabilmesi. Sistem, sadece silindirik piller (standart kalem pil benzeri) üzerinde eğitilmesine rağmen, Farasis Energy'den alınan daha büyük boyutlu ‘poşet tipi’ (pouch) pillerin performansını da başarıyla tahmin etti.


Bu esneklik, kimya ve yapı açısından sürekli değişen yeni nesil lityum iyon pillerin pazara sunulma sürecini hızlandıracak. Ekip, bu teknolojinin ilerleyen aşamalarda güvenlik testleri ve şarj hızı optimizasyonu gibi alanlarda da kullanılabileceğini, hatta malzeme bilimi gibi farklı disiplinlerdeki Ar-Ge süreçlerini de dönüştürebileceğini öngörüyor.