বিজ্ঞানীরা একটি মেশিন লার্নিং পদ্ধতি তৈরি করেছেন যা নাটকীয়ভাবে নতুন লিথিয়াম-আয়ন ব্যাটারির বিকাশের জন্য প্রয়োজনীয় খরচ এবং শক্তি হ্রাস করতে পারে যার উপর আধুনিক বিশ্ব ক্রমবর্ধমান নির্ভরশীল।
একটি নতুন ব্যাটারি ডিজাইনের জীবনকালের পূর্বাভাস – এবং এর প্রকৌশল অ্যাপ্লিকেশন – একটি প্রধান শিল্প বাধা। বারবার চার্জিং এবং ডিসচার্জ করে প্রোটোটাইপগুলির ব্রুট-ফোর্স টেস্টিং কয়েক মাস বা এমনকি বছরও নিতে পারে, প্রচুর পরিমাণে বিদ্যুৎ খরচ করে।
একটি সমীক্ষা অনুমান করেছে যে বর্তমান এবং ভবিষ্যতের লিথিয়াম ব্যাটারি ডিজাইনের জন্য 2023 থেকে 2040 পর্যন্ত 130,000 GWh শক্তির প্রয়োজন হতে পারে যদি উন্নয়ন প্রক্রিয়ায় কোন পরিবর্তন না করা হয়। এটি ক্যালিফোর্নিয়ায় উৎপাদিত বার্ষিক বিদ্যুতের প্রায় অর্ধেক (278,338 GWh)।
বৈজ্ঞানিক জার্নালে নেচারে এই সপ্তাহে প্রকাশিত গবেষণা ব্যাটারি বিকাশে মেশিন লার্নিংয়ের একটি নতুন পদ্ধতির বর্ণনা করেছে, যা লেখকরা দাবি করেছেন যে ঐতিহ্যগত পদ্ধতির তুলনায় 98 শতাংশ সময় এবং 95 শতাংশ খরচ বাঁচাতে পারে।
“এটি ব্যাটারি বিকাশে একটি বড় বাধা মোকাবেলার জন্য দুর্দান্ত সম্ভাবনা দেখায়,” কানেকটিকাট বিশ্ববিদ্যালয়ের একজন সহযোগী অধ্যাপক চাও হু একটি নিবন্ধে বলেছেন।
মিশিগান বিশ্ববিদ্যালয়ের পোস্টডক্টরাল গবেষক জিয়াওয়েই ঝাং এবং তার দল দ্বারা বিকাশিত প্রক্রিয়াটি সঠিক ভবিষ্যদ্বাণী করার জন্য প্রয়োজনীয় ডেটা কমাতে পুনরাবৃত্তিমূলক উপাদানগুলিকে একত্রিত করেছে।
তথাকথিত ডিসকভারি লার্নিং ফ্রেমওয়ার্ক 2019 সালের একটি গবেষণার উপর ভিত্তি করে তৈরি করা হয়েছে যা দেখিয়েছে যে প্রোটোটাইপ ব্যাটারি টেস্টিং থেকে প্রাথমিক জীবনের ডেটা ব্যবহার করে একটি মেশিন লার্নিং মডেল পরীক্ষা সেটে 15 শতাংশেরও কম গড় ত্রুটি সহ ব্যাটারি লাইফটাইম ভবিষ্যদ্বাণী করতে ব্যবহার করা যেতে পারে, যা অত্যন্ত নির্ভুল বলে বিবেচিত হয়।
ঝাং এবং সহকর্মীরা পূর্ববর্তী পদ্ধতিটিকে তিনটি স্বতন্ত্র উপাদানে ভেঙে দিয়েছেন। একটি লার্নার মডিউল ভবিষ্যদ্বাণীমূলক নির্ভুলতা উন্নত করার জন্য দরকারী ডেটা সরবরাহ করার সম্ভাবনা বেশি নতুন ডিজাইনের প্রোটোটাইপ নির্বাচন করে। এই প্রোটোটাইপগুলির প্রাথমিক পরীক্ষার পরে, ইন্টারপ্রেটার মডিউলটি বিদ্যমান ব্যাটারির ঐতিহাসিক পূর্ণ-জীবনের ডেটা সহ এই ডেটা বিশ্লেষণ করতে উপাদান বৈশিষ্ট্যের মডেল ব্যবহার করে। অবশেষে, ওরাকল মডিউল সেই আউটপুটটি ব্যবহার করে নতুন পরীক্ষিত প্রোটোটাইপের জীবনকালের পূর্বাভাস দিতে। গুরুত্বপূর্ণভাবে, শারীরিক পরীক্ষার জন্য প্রোটোটাইপগুলির পরবর্তী সেট নির্বাচন করতে সেই তথ্যটি লার্নার মডিউলে ফেরত দেওয়া হয়।
“আবিষ্কার শেখার মডেলের একটি মূল উদ্ভাবন হল যে এটি পরীক্ষামূলকভাবে পরিমাপ করা জীবনকাল ব্যবহার করার পরিবর্তে ওরাকল দ্বারা অনুমান করা জীবনকাল ব্যবহার করে নিজেকে আপডেট করে, সময় সাপেক্ষ পূর্ণ-জীবনের ব্যাটারি পরীক্ষার প্রয়োজন এড়িয়ে যায়,” হু বলেন।
যাইহোক, তিনি উল্লেখ করেছেন যে যখন একটি নতুন ব্যাটারি ডিজাইন প্রশিক্ষণের ডেটা সরবরাহ করার জন্য উপলব্ধ ব্যাটারিগুলি থেকে উল্লেখযোগ্যভাবে বিচ্যুত হয় তখন আবিষ্কার শেখার কাঠামোটি কতটা ভাল কাজ করবে তা স্পষ্ট নয়।
“আরও বিস্তৃতভাবে, সাধারণ ব্যবহারের জন্য কাঠামোটি গ্রহণ করার আগে, বাস্তব-বিশ্বের পরিস্থিতিতে ব্যবহৃত ব্যাটারির জন্য এটি কতটা ভাল, উদাহরণস্বরূপ, পরিবর্তনশীল তাপমাত্রায় এবং বিভিন্ন বৈদ্যুতিক লোডের অধীনে এটি কতটা ভাল তা দেখার জন্য আরও বৈধতা প্রয়োজন,” হু বলেছেন৷
তা সত্ত্বেও, ইভি, ল্যাপটপ এবং অন্যান্য অ্যাপ্লিকেশনের জন্য ব্যাটারির বর্তমান বৈশ্বিক মূল্য $120 বিলিয়ন – এবং 2030 সালে প্রায় $500 বিলিয়ন হতে প্রত্যাশিত – এমনকি উন্নয়ন খরচে সামান্য সঞ্চয়ও একটি পার্থক্য আনতে পারে৷ ®
