Машинне навчання оптимізує електроліти для металургії

Новий підхід до розробки електролітів дає змогу підвищити ефективність електрохімічних процесів у металургії шляхом оптимізації іонних пар.

Електроліти, що використовуються у виробничих процесах, мають бути стабільними в екстремальних умовах і мінімізувати побічні реакції, які можуть знижувати їхню енергетичну ефективність. Науковці з Аргоннської національної лабораторії США розробляють новий підхід для оптимізації електролітів з використанням машинного навчання. Це дозволить не лише підвищити продуктивність електролітів для сталеплавильних процесів, але й зробить внесок у декарбонізацію важкої промисловості, такої як виробництво сталі, цементу та хімічних речовин.

Електроліти для батарей зазвичай складаються з солей, розчинених у рідкому середовищі, і забезпечують проведення струму через рух катіонів та аніонів. Однак попередні спроби покращити їх ефективність здебільшого зосереджувалися на зміні складу розчину. Вчені ж пропонують інноваційний метод, який передбачає з’єднання катіона з різними аніонами для формування так званих “тісних іонних пар”. Це дозволяє замінити частину розчину, оточуючого катіон, на більш ефективні аніони.

Для вибору найбільш оптимальних іонних пар дослідники використовують технології штучного інтелекту, що сприяє швидкому аналізу та оптимізації можливих варіантів. Метою є створення принципів, що допоможуть розробити електроліт, який відповідатиме потребам металургійної промисловості, забезпечуючи найвищу продуктивність і довговічність.

Ці принципи можуть бути застосовані не лише у виробництві сталі, але й в інших електрохімічних процесах, сприяючи підвищенню енергоефективності й безпеки. Розробка нових твердотільних літієвих батарей, що пропонують більш безпечні та дешеві рішення, також є важливим напрямом для подальших досліджень у галузі електролітів.