The capacity knee of a physics-based Li-ion model is governed by one unmeasured exponent.

لغز الموت المفاجئ للبطارية

تخيل بطارية هاتفك الذكي المفضل أو بطارية سيارتك الكهربائية كعداء ماراثون. في معظم مراحل السباق، يكون هذا العداء ثابتًا ومتوقعًا، حيث يفقد قدرًا ضئيلًا من الطاقة مع كل ميل في تراجع بطيء ولطيف. ولكن فجأة، يتعثر العداء، ويتعثر، وينهار في غضون ثوانٍ معدودة. في عالم البطاريات، يُسمى هذا الهبوط الدراماتيكي والمفاجئ في الأداء بـ "ركبة السعة" (capacity knee). إنها اللحظة التي تتحول فيها البطارية من حالة "لا تزال جيدة" إلى "ميتة" بسرعة كبيرة، وهي السبب الرئيسي الذي يجعلنا نضطر لاستبدال أجهزتنا أو إحالة سياراتنا إلى التقاعد.

لقد حاول العلماء بناء "كرة بلورية" للتنبؤ بدقة متى ستحدث هذه الركبة. إنهم يستخدمون نماذج حاسوبية معقدة تعمل كمختبرات افتراضية، تحاكي المعارك الكيميائية والفيزيائية الصغيرة التي تحدث داخل خلية البطارية. والأمل هو أنه إذا فهمنا قواعد هذه المعارك، يمكننا التنبؤ بالمستقبل. ولكن هناك عقبة: تعتمد هذه النماذج على أرقام تسمى "المعلمات" (parameters). بعض هذه الأرقام تشبه وزن العداء (قابلة للقياس ومعروفة)، بينما البعض الآخر يشبه موهبة العداء السرية وغير المقاسة في التعثر. إذا كان تنبؤ النموذج يعتمد كليًا على تلك الموهبة السرية، ونحن لا نعرف في الواقع ما هي تلك الموهبة، فإن الكرة البلورية قد تكون مجرد تخمين. يسأل هذا البحث سؤالًا بسيطًا وجوهريًا: هل نماذج البطاريات الخاصة بنا تتنبأ حقًا بالمستقبل، أم أنها مجرد نماذج يتم ضبطها لتبدو وكأنها تفعل ذلك؟

المقبض السري الذي يتحكم في الانهيار

قرر الباحثون في هذه الدراسة خوض لعبة "ضبط البطارية الافتراضية" لمعرفة أي أجزاء من النموذج تتحكم فعليًا في ذلك الانهيار المفاجئ. استخدموا أداة محاكاة قوية تسمى PyBaMM لإنشاء 512 بطارية افتراضية مختلفة من نوع LFP/graphite (نوع شائع يوجد في المركبات الكهربائية). قاموا بتعديل ثمانية إعدادات مختلفة في كل بطارية، مثل سرعة التفاعلات الكيميائية، ومقدار الإجهاد على الجسيمات، وسرعة الشحن، لمعرفة أي منها جعل "ركبة" البطارية تظهر.

إليكم المنعطف المفاجئ الذي وجدوه: تقريبًا كل الإعدادات التي عدلوها — مثل سرعة النمو الكيميائي أو تشقق الجسيمات — كانت تشبه تدوير مقبض الصوت في الراديو. لقد غيرت مقدار تراجع البطارية، لكنها لم تغير شكل التراجع. كانت البطارية ستظل تتراجع ببطء ثم تنهار فجأة، أو تتراجع ببطء ثم تتراجع ببطء. ولكن كان هناك إعداد واحد محدد، وهو أس (exponent) مخفي يسمى $m_{LAM}$ (والذي يصف كيف يتسبب الإجهاد في موت المادة النشطة للبطارية)، والذي عمل كمفتاح رئيسي للركبة.

فكر في الأمر مثل الأفعوانية (الرولر كوستر). حددت الإعدادات الأخرى سرعة القطار أو عدد الدورات التي قام بها، لكن $m_{LAM}$ كان الشيء الوحيد الذي يقرر ما إذا كان المسار سيهبط فجأة بشكل عمودي في النهاية. وجدت الدراسة ارتباطًا هائلًا بين هذا الأس وشدة الركبة: درجة ارتباط بلغت +0.921. باللغة البسيطة، هذا يعني أنه إذا غيرت هذا الرقم الواحد، فإن الركبة تتغير بالتزامن معه بشكل مثالي تقريبًا. أما الإعدادات السبعة الأخرى؟ فقد كان تأثيرها ضئيلًا جدًا لدرجة أنه كان غير مرئي عمليًا (ارتباطات قريبة من الصفر).

"المفترض" السري

الآن، هنا تزداد الحبكة تعقيدًا. بحث الباحثون في مصدر هذا الرقم السحري، $m_{LAM}$. توقعوا أن يجدوا قياسًا من مختبر حقيقي، مثل "لقد قمنا بقياس أس الإجهاد هذا ووجدناه 2.0". وبدلاً من ذلك، وجدوا أن الرقم كان مصنفًا على أنه "مفترض" (Assumed). كان صانعو النموذج قد خمنوا ببساطة أنه سيكون 2.0 لأنهم لم يمتلكوا قياسًا حقيقيًا له.

ولاختبار ما إذا كانت هذه التخمينة جيدة بما يكفي، أجرى الفريق تجربة ضبط واسعة النطاق. قاموا بتثبيت $m_{LAM}$ عند تلك القيمة المفترضة وهي 2.0 وأجروا 1,024 محاكاة مختلفة، مع تغيير كل عامل ممكن آخر (سرعة الشحن، درجة الحرارة، توازن البطارية) لمعرفة ما إذا كان بإمكانهم جعل البطارية الافتراضية تنهار مثل البطارية الحقيقية. النتيجة؟ صفر. لم تنتج أي واحدة من تلك الـ 1,024 محاكاة ركبة شديدة مثل تلك التي تُرى في البطاريات الحقيقية. أفضل ما تمكنوا من الوصول إليه كان نسبة ركبة قدرها 1.76، بينما كانت البطاريات الحقيقية (من مجموعة بيانات MIT/Severson) تمتلك متوسط نسبة ركبة قدرها 7.23. كان النموذج يفشل تمامًا في إعادة إنتاج الانهيار الواقعي باستخدام الرقم "المفترض".

الرقم الحقيقي أعلى بكثير

إذًا، ما هو الرقم الذي يجعل النموذج يعمل؟ عمل الباحثون بشكل عكسي. أخذوا البيانات من 117 بطارية حقيقية تعرضت بالفعل للانهيار وسألوا: "ما قيمة $m_{LAM}$ التي سيحتاجها نموذجنا لإنتاج هذا الانهيار بالضبط؟"

كانت الإجابة صادمة. لكي يتطابق النموذج مع البطاريات الحقيقية، احتاج النموذج إلى قيمة $m_{LAM}$ بمتوسط قدره 13.33. وفي بعض الحالات، احتاج أن يكون مرتفعًا بقدر 18.00. هذا يعني أن البطاريات في العالم الحقيقي تتصرف كما لو كان أس الإجهاد أكبر بـ 6.7 مرة على الأقل من القيمة "المفترضة" وهي 2.0.

تحقق الباحثون أيضًا مما إذا كان هذا الرقم العالي يعتمد على كيفية شحن البطارية. اختبروا 35 سياسة شحن دقيقة مختلفة (طرق مختلفة لتسريع وإبطاء الشحن). ووجدوا أنه بغض النظر عن أسلوب الشحن، كان النموذج يحتاج دائمًا إلى قيمة تتراوح بين 13.35 و 18.00 ليتطابق مع الواقع. وهذا يثبت أن القيمة "المفترضة" 2.0 خاطئة تمامًا لهذه البطاريات، وأن النموذج لا يتنبأ بالركبة؛ بل ينتظر فقط شخصًا ما ليقوم بضبط الرقم السري الصحيح.

فخ "المجهولين الاثنين"

هناك منعطف أخير. اكتشف الباحثون أن هذا الأس السري ($m_{LAM}$) "مرتبط" (confounded) بإعداد آخر يسمى نسبة N/P (التوازن بين سعة الأقطاب السالبة والموجبة). إنه يشبه محاولة تخمين وزن صندوق غامض من خلال النظر إلى ميزان، لكنك لا تعرف ما إذا كان الميزان معايرًا بشكل صحيح أم لا.

وجدوا أنه إذا غيرت نسبة N/P بمعامل قدره 1.5، يمكنك الحصول على نفس شكل الركبة بقيمة $m_{LAM}$ مختلفة تمامًا. على سبيلًا المثال، مجموعة من المعلمات ذات $m_{LAM}$ حوالي 9.8 يمكن أن تنتج نفس ركبة مجموعة ذات $m_{LAM}$ حوالي 14.2، طالما تم تعديل نسبة N/P لتتناسب معها. هذا يعني أن مجرد رؤية انهيار البطارية لا يخبرك بالقيمة الحقيقية للأس. لا يمكنك فصل الاثنين دون قياسهما بشكل مستقل.

الخلاصة

يخلص البحث إلى أنه بينما تعد النماذج القائمة على الفيزياء أدوات قوية، إلا أنها حاليًا لا تستطيع التنبؤ بموعد موت البطارية. يمكنها فقط ملاءمة البيانات إذا سُمح لك بتعديل هذا الأس غير المقاس. إذا ذكرت أن نموذجًا ما "يطابق" ركبة بطارية حقيقية، فهذا لا يعني أن النموذج يفهم الفيزياء؛ بل يعني فقط أنك قمت بضبط الرقم السري الصحيح. وحتى يقوم العلماء فعليًا بقياس هذا الأس في مختبر حقيقي (وهو أمر لم يحدث بعد لهذه المواد)، فإن تنبؤات النماذج ليست سوى تخمينات مدروسة. يقترح المؤلف أن الدراسات المستقبلية يجب أن تذكر هذا الأس وتوازن البطارية معًا، مع الاعتراف بأن النموذج يصف ظاهرة بدلاً من قياس قانون فيزيائي معروف.