University of Michigan ekibi, yalnızca 50 şarj–deşarj döngüsünden sonra yeni bir bataryanın kaç döngü dayanacağını tahmin edebilen bir yapay zeka aracı geliştirdi. Araştırmaya göre bu yöntem, geleneksel ömür testlerine kıyasla harcanan zamanı ve enerjiyi dramatik biçimde azaltıyor; ekip, aynı doğruluk için enerjide yaklaşık %95, sürede ise %98 tasarruf öngörüyor. Çalışma 4 Şubat 2026’da Nature’da duyuruldu.
Nasıl çalışıyor?
Ekip, yaklaşımı “keşif öğrenme” olarak tanımlıyor. Sistem üç bileşenden oluşuyor:
- Learner: Hangi numunelerin kısa testten geçeceğine karar veriyor ve seçilen hücreleri yaklaşık 50 döngü koşuyor.
- Interpreter: Kısa test sonuçlarını geçmiş batarya verileri ve fizik tabanlı simülasyonla birleştiriyor.
- Oracle: Bu bilgilerle hücrenin kapasitesinin tasarım değerinin %90’ının altına düşmesine kadar kaç döngü süreceğini tahmin ediyor.
Bu döngü, sistem yeterli bilgi biriktirdikçe daha az deneyle çalışacak şekilde tasarlandı. Ekip, istatistiksel sinyaller yerine fizik tabanlı özellikleri kullanmanın farklı kimya ve formatlardaki piller arasında genelleme gücünü artırdığını vurguluyor.
Neden önemli?
Geleneksel ömür testleri 1.000’e kadar döngü gerektirdiği için haftalarla aylar, hatta yıllar sürebiliyor. Yeni yöntem, birkaç günde tamamlanan 50 döngülük kısa testlerle benzer öngörüler sağlayarak prototip sayısını ve test kaynaklarını azaltıyor. Michigan ekibi, yalnızca silindirik hücrelerle eğitilen modelin, Farasis Energy USA’den alınan pouch hücrelerde de başarılı biçimde genelleme yapabildiğini bildiriyor. Araştırmacılar, yaklaşımın pil güvenliği ve hızlı şarj gibi başlıklara da genişletilebileceğini söylüyor.
Özetle bu “keşif öğrenme” tabanlı araç, batarya Ar-Ge süreçlerini hızlandırarak elektrikli araçlardan enerji depolamaya kadar pek çok alanda daha uzun ömürlü ve güvenilir hücrelerin daha hızlı geliştirilmesine kapı aralayabilir.
Kaynak: www.techspot.com
