Drude, Where's My Charge? End-to-End Learning of Polarizable Drude Force Fields for Polymer Electrolytes

تعتمد البطاريات التي تشغل سياراتنا الكهربائية وأجهزتنا المحمولة على مكون حيوي: الكهرل (الإلكتروليت). في البطاريات التقليدية، يكون هذا المكون عبارة عن سائل يسمح لأيونات الليثيوم بالتنقل ذهابًا وإيابًا بين الأقطاب الموجبة والسالبة. ومع ذلك، يمكن للسوائل أن تتسرب، أو تشتعل، أو تتجمد. لذا، يتوق العلماء لاستبدالها بكهربلات بوليمرية صلبة، وهي في الأساس مواد بلاستيكية موصلة للكهرباء. توفر هذه المواد الصلبة أمانًا ومتانة أكبر، لكنها تواجه مشكلة مستعصية: فهي غالبًا ما تكون بطيئة جدًا في تحريك الأيونات. ولتصميم نسخ أفضل منها، يستخدم الباحثون عمليات المحاكاة الحاسوبية لمراقبة كيفية تحرك أيونات الليثيوم عبر هذه السلاسل البلاستيكية. وتكمن التحدي في أن هذه المحاكاة يجب أن تعمل لمئات النانو ثانية لمشاهدة انتقال الأيونات فعليًا، ومع ذلك يجب أن تكون دقيقة بما يكفي لالتقاط القوى الكهربائية الدقيقة التي توجه الأيونات. فإذا كانت المحاكاة بسيطة للغاية، فإنها ستغفل الفيزياء؛ وإذا كانت معقدة للغاية، فستستغرق وقتًا طويلاً للتشغيل.

لعقود من الزمن، كان النهج المعياري هو استخدام نموذج مبسط حيث تُعامل الذرات كنقاط ثابتة ذات شحنة كهربائية ساكنة. هذه الطوّرة سريعة، لكنها تتجاهل حقيقة جوهرية: عندما يتحرك أيون بالقرب من سلسلة بلاستيكية، تنزاح الإلكترونات في البلاستيك قليلًا للاستجابة لوجود الأيون. هذا الانزياح، المعروف باسم الاستقطاب، يغير مدى قوة التصاق الأيون بالبلاستيك. ولإصلاح الأخطاء الناتجة عن تجاهل هذا التأثير، استخدم العلماء تقليديًا حيلة: حيث يقومون ببساطة بتقليل الشحنة الكهربائية للأيونات في المحاكاة بمعامل تخميني حتى تتطابق النتائج مع التجارب الواقعية. وبينما يمكن لهذه الحيلة أن تجعل الأرقام تبدو صحيحة لقياس واحد محدد، إلا أنها غالبًا ما تفشل في تفسير سبب تصرف الأيونات بالطريقة التي تفعلها تحت ظروف مختلفة.

يقدم بحث جديد طريقة أكثر صدقًا لحل هذه المشكلة. فقد طور الباحثون نظامًا يسمى "AutoDrude"، والذي يبني تلقائيًا نموذج محاكاة يتضمن الإلكترونات المنزاحة منذ البداية. وبدلاً من تخمين عامل تقليل الشحنة، يتعلم النظام قواعد اللعبة مباشرة من حسابات فيزياء الكم عالية المستوى. فهو ينشئ نموذجًا حيث تمتلك كل ذرة جسيمًا تابعًا صغيرًا ومتحركًا ملحقًا بها. ويمثل هذا التابع قدرة السحابة الإلكترونية على الانزياح، مما يسمح للذرة بالاستجابة لدورها مع جيرانها بشكل ديناميكي. وقد اختبر الباحثون ذلك على كهرل بلاستيكي شائع مكون من أكسيد البكولي إيثيلين الممزوج بملح الليثيوم. ووجدوا أن هذا النموذج الجديد، ذاتي التعلم، يمكنه التنبؤ بمدى جودة توصيل المادة للكهرباء بدقة تضاهي أفضل طرق التخمين، ولكن دون الحاجة إلى أي ضبط يدوي. والأهم من ذلك، أنه تنبأ بشكل صحيح بكيفية تغير حركة الأيونات مع زيادة كمية الملح في البلاستيك، وهو تفصيل أخفقت فيه النماذج المبسطة القديمة باستمرار.

يكمن مفتاح هذا النجاح في كيفية تدريب الكمبيوتر. لم يطلب الباحثون من الكمبيوتر فقط مطابقة السرعة النهائية للأيونات، بل طلبوا منه مطابقة القوى الأساسية وحالات الطاقة المحسوبة بواسطة ميكانيكا الكم. يقوم نظام "AutoDrude" بتعديل المعلمات في محاكاته ملايين المرات، مقارنًا تنبؤاته بهذه المعايير الكمومية الدقيقة. وهو يستخدم تقنية رياضية تسم تتيح للكمبيوتر تتبع الأخطاء عبر الحساب بأكمله، وتعديل قواعد المحاكاة لتقليل الأخطاء. وتختلف هذه العملية عن المحاولات السابقة حيث كان على العلماء تعديل أجزاء محددة من النموذج يدويًا لأنواع مختلفة من الذرات. هنا، يكتشف النظام السلوك الصحيح للمادة بأكملها دفعة واحدة. والنتيجة هي "حقل القوة" — وهو مجموعة من القواعد لكيفية تفاعل الذرات — وهو في آن واحد واقعي فيزيائيًا وسريع بما يكفي لتشغيل محاكاة طويلة على بطاقات الرسوميات الحديثة.

وعندما أجرى الباحثون عمليات المحاكاة الخاصة بهم، اكتشفوا أن النموذج الجديد يلتقط التوازن الدقيق للقوى داخل الكهرل. في النماذج القديمة والمبسطة، كانت أيونات الليثيوم تميل إلى الالتصاق بشدة بالسلاسل البلاستيكية أو بالأيونات السالبة للملح، مما يؤدي إلى تكوين تجمعات تعيق الحركة. أما النموذج الجديد، ومن خلال مراعاة انزياح الإلكترونات، فقد أظهر أن هذه الأيونات أقل عرضة للتعلق في هذه التجمعات المسدودة، خاصة عند انخفاض تركيز الملح. وطابقت هذه السلوك مع ما يُلاحظ في التجارب الواقعية. كما تنبأ النموذج بشكل صحيح بأنه مع إضافة المزيد من الملح، تتغير طريقة حركة الأيونات بطريقة غير خطية محددة. أما النماذج القديمة، حتى عند ضبطها للحصول على السرعة الإجمالية الصحيحة، فقد فشلت في إعادة إنتاج هذا النمط المتغير؛ إذ تنبأت بأن الأيونات ستتحرك بطريقة تتعارض مع الفيزياء الفعلية للمادة.

كما سلطت الدراسة الضوء على درس مفاجئ حول كيفية بناء هذه المحاكاة. فقد وجد الباحثون أن النموذج الذي يطابق بيانات ميكانيكا الكم تمامًا لا يؤدي دائمًا إلى السلوك الصحيح في العالم الحقيقي. إذ تنبأ أحد إصدارات نموذجهم الجديد، والذي تم ضبطه ليتطابق مع البيانات الكمومية بدقة شديدة، بأن المادة ستوصل الكهرباء بشكل أسوأ بكثير مما تفعله في الواقع. وهذا يشير إلى أن مجرد مطابقة الأرقام الخام من الحسابات الكمومية ليس كافيًا؛ بل يجب أن يحترم النموذج أيضًا القيود المحددة لكيفية حركة الإلكترونات في العالم الحقيقي. فالنسخة التي عملت بشكل أفضل هي تلك التي فرضت بصرامة الشكل الصحيح للمجال الكهربائي حول الجزيئات، حتى لو كان ذلك يعني أن أرقام الطاقة الخام كانت أقل مثالية بقليل. وهذا التمييز أمر حيوي: فهو يوضح أن فهم الصورة الكبيرة لكيفية تفاعل الأيونات أكثر أهمية من الحصول على كل رقم طاقة صغير بدقة متناهية.

وتعد التكلفة الحسابية لهذا النهج الجديد منخفضة بشكل مفاجئ. إذ تستغرق تشغيل محاكاة باستخدام هذه التوابع الإلكترونية المتحركة حوالي 20 بالمئة فقط من الوقت الإضافي مقارنة بالطريقة القديمة المبسطة. وهذه الضريبة الصغيرة تجعل من الممكن تشغيل عمليات المحاكاة الطويلة والمفصلة اللازمة لفهم مواد البطاريات. وقد أظهر الباحثون أن نموذجهم يمكنه العمل لمئات النانو ثانية، وهو مقياس زمني طويل بما يكفي لمشاهدة انتشار الأيونات واسترخاء السلاسل البلاستيكية. ويفتح هذا السر الباب أمام فحص المواد الجديدة بسرعة. فبدلاً من قضاء سنوات في ضبط المعلمات يدويًا لنوع جديد من البلاستيك أو الملح، يمكن للعلماء الآن استخدام هذا النظام الآلي لإنشاء نموذج موثوق في جزء بسيط من الوقت.

تتحدى هذه النتائج الاعتقاد السائد منذ فترة طويلة بأن النماذج البسيطة ذات الشحنات الثابتة كافية لتصميم بطاريات أفضل. فرغم أنه يمكن دفع تلك النماذج لتطابق نتيجة تجريبية واحدة محددة، إلا أنها تفشل في التقاط القصة الكاملة لكيفية تحرك الأيونات معًا. ويؤكد العمل الجديد أن تضمين الاستجابة الصريحة للإلكترونات ضروري لفهم كيفية سلوك المادة تحت ظروف مختلفة. الأمر لا يتعلق فقط بالحصول على السرعة الصحيحة؛ بل يتعلق بفهم الآلية. ويخلص الباحثون إلى أنه بالنسبة للجيل القادم من البطاريات الصلبة، نحتاج إلى نماذج تحترم فيزياء الاستقطاب. ومن خلال القيام بذلك، يمكننا تجاوز التخمين وتصميم مواد تحسن تدفق الطاقة حقًا، مما يؤدي إلى بطاريات أكثر أمانًا وكفاءة في المستقبل.