Мировое обозрение

19 подписчиков

Свежие комментарии

  • Михаил Бутов
    Ну и я тоже, забегая вперёд и предвидя тиражирование мифа, будто бы адмирал Кузнецов по личной инициативе, вопреки ме...Нарком Кузнецов и...
  • игорь поляков
    вас же надо кормить,а взять с вас нечего вы все просралиЗеленский заявил ...
  • Полина Романова (железова)
    В концепцию Фукуямы поверили и в России. В нее поверили почти все - политическая элита, бизнесмены и ученые-политолог...Немецкое издание ...

В Беркли создали "научный ИИ", работающий над новым поколением аккумуляторов

Исследователи из Национальной лаборатории им. Лоуренса в Беркли применили инновационный метод для изучения процессов деградации литиевых аккумуляторов с быстрой зарядкой. Учёные создали уникальный алгоритм машинного обучения на базе рентгеновских снимков химических процессов в батареях и добавили в модель данные из других исследований по этой теме. Созданный таким образом «научный ИИ» способен быстрее разобраться в проблеме, чем учёные.

Источник изображения: Jacqueline Orrell/SLAC National Accelerator Laboratory

Источник изображения: Jacqueline Orrell/SLAC National Accelerator Laboratory

В своём исследовании учёные использовали усовершенствованный источник света, излучающий в диапазоне от инфракрасного до рентгеновского. Одновременно проводились десятки экспериментов с использованием методов химической визуализации или сканирующей просвечивающей рентгеновской микроскопии (STXM). Литиевая батарея подвергалась циклическим заряду и разряду, а оборудование одновременно следило за физическими и химическими процессами в сотне частиц батареи на 50 различных энергетических уровнях.

Полученные в ходе эксперимента 5 000 изображений «скормили» специально созданному алгоритму машинного обучения. И это был не простой алгоритм, который мог извлекать те или иные данные из картинок.

Утверждается, что алгоритм анализировал изображения, исходя из целого ряда предварительно введённых данных и моделей, полученных в других исследованиях по сходной тематике. Фактически, повторим, учёные утверждают о «научном ИИ», который мог «осмысленно» анализировать нужную, а не случайную информацию.

Созданный в лаборатории алгоритм, сочетающий машинное обучение и рентгеновскую микроскопию, обещает сэкономить годы исследований, сравнительно быстро проведя анализ поведения частиц в аккумуляторах под нагрузкой и прояснив фундаментальные процессы, которые при этом происходят в материалах внутри аккумуляторов.

Патрик Херринг (Patrick Herring), старший научный сотрудник исследовательского института Toyota, который поддерживал эту работу в рамках своей программы ускоренного проектирования материалов, сказал: «Понимая фундаментальные реакции, происходящие в батарее, мы можем продлить ее срок службы, обеспечить более быструю зарядку и, в конечном итоге, проектировать батареи из лучших материалов».

Исследователи из Национальной лаборатории им. Лоуренса в Беркли применили инновационный метод для изучения процессов деградации литиевых аккумуляторов с быстрой зарядкой. Учёные создали уникальный алгоритм машинного обучения на базе рентгеновских снимков химических процессов в батареях и добавили в модель данные из других исследований по этой теме. Созданный таким образом «научный ИИ» способен быстрее разобраться в проблеме, чем учёные.

Источник изображения: Jacqueline Orrell/SLAC National Accelerator Laboratory

Источник изображения: Jacqueline Orrell/SLAC National Accelerator Laboratory

В своём исследовании учёные использовали усовершенствованный источник света, излучающий в диапазоне от инфракрасного до рентгеновского. Одновременно проводились десятки экспериментов с использованием методов химической визуализации или сканирующей просвечивающей рентгеновской микроскопии (STXM). Литиевая батарея подвергалась циклическим заряду и разряду, а оборудование одновременно следило за физическими и химическими процессами в сотне частиц батареи на 50 различных энергетических уровнях.

Полученные в ходе эксперимента 5 000 изображений «скормили» специально созданному алгоритму машинного обучения. И это был не простой алгоритм, который мог извлекать те или иные данные из картинок. Утверждается, что алгоритм анализировал изображения, исходя из целого ряда предварительно введённых данных и моделей, полученных в других исследованиях по сходной тематике. Фактически, повторим, учёные утверждают о «научном ИИ», который мог «осмысленно» анализировать нужную, а не случайную информацию.

Созданный в лаборатории алгоритм, сочетающий машинное обучение и рентгеновскую микроскопию, обещает сэкономить годы исследований, сравнительно быстро проведя анализ поведения частиц в аккумуляторах под нагрузкой и прояснив фундаментальные процессы, которые при этом происходят в материалах внутри аккумуляторов.

Патрик Херринг (Patrick Herring), старший научный сотрудник исследовательского института Toyota, который поддерживал эту работу в рамках своей программы ускоренного проектирования материалов, сказал: «Понимая фундаментальные реакции, происходящие в батарее, мы можем продлить ее срок службы, обеспечить более быструю зарядку и, в конечном итоге, проектировать батареи из лучших материалов».

Ссылка на первоисточник

Картина дня

наверх