← أحدث الأبحاث
⚡ الهندسة الكهربائية

AI-driven closed-loop control of lithium plating in batteries

تقدم الورقة البحثية AI-LOMAC، وهو إطار عمل ذو حلقة مغلقة مدفوع بالذكاء الاصطناعي يدمج مطيافية الممانعة الديناميكية مع نماذج الرؤية واللغة للكشف عن بدء ترسب الليثيوم قبل وقوعه بخمس دقائق وبشكل مستقل، وللتخفيف من حدته في الوقت الفعلي، مما يعزز سلامة البطارية، ودورة حياتها، وقابليتها للتوسع عبر مختلف أشكال الخلايا.

المؤلفون الأصليون: Zhong-Qun Tian, Hongyuan He, Si-Yuan Ma, Zheng Li, Wei-Wei Wang, Hong-Yang Yuan, Wan-Jie Zhang, Quan-Fang Wang, Yu-Fei Chen, Yu-Ming Su, Hailong Wang, Meng-Yao Wang, Yi-Hui Wu, Chong Yan, Qiang Zhang
نُشر 2026-09-24
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Zhong-Qun Tian, Hongyuan He, Si-Yuan Ma, Zheng Li, Wei-Wei Wang, Hong-Yang Yuan, Wan-Jie Zhang, Quan-Fang Wang, Yu-Fei Chen, Yu-Ming Su, Hailong Wang, Meng-Yao Wang, Yi-Hui Wu, Chong Yan, Qiang Zhang, Jing-Hua Tian

البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تُشغل البطاريات عالمنا الحديث، من الهواتف الذكية في جيوبنا إلى السيارات الكهربائية على طرقاتنا، لكنها تحمل ثغرة خفية تهدد سلامتها وعمرها الافتراضي. داخل البطارية، يتم توليد الكهرباء عن طريق انتقال أيونات الليثيوم ذهاباً وإياباً بين قطبين كهربائيين. وفي الظروف العادية، تنزلق هذه الأيونات بدقة داخل طبقات مادة القطب، مثل الكتب التي تنزلق على الرف. ومع ذلك، عندما يتم شحن البطارية بسرعة كبيرة، أو في الطقس البارد، أو عندما تُدفع فوق حدودها، لا تعود هذه الأيونات قادرة على الاستقرار داخلها؛ وبدلاً من ذلك، تتراكم على السطح، مكونةً طبقة معدنية من الليثيوم. وتُعد هذه الظاهرة، المعروفة باسم "ترسيب الليثيوم" (lithium plating)، أمراً خطيراً، إذ يمكن للمعدن أن ينمو على شكل هياكل إبرية حادة تسمى "الدندريت" (dendrites) تخترق الفاصل الداخلي، مما يسبب دائرة قصيرة قد تؤدي إلى حريق أو انفجار. وحتى في حال عدم حدوث دائرة قصيرة، فإن هذا الليثيوم المترسب غالباً ما يصبح عالقاً وغير نشط، مما يقلل سعة البطارية بشكل دائم. ولسنوات طويلة، كافح العلماء للكشف عن هذا الترسيب في وقت مبكر بما يكفي لإيقافه، حيث لا يلاحظون المشكلة عادةً إلا بعد وقوع الضرر بالفعل.

لقد قدم فريق من الباحثين الآن نظاماً جديداً يغير هذه الديناميكية، وينتقل من مرحال انتظار الفشل إلى الوقاية منه في الوقت الفعلي. فقد طوروا إطار عمل للذكاء الاصطناعي يسمى "AI-LOMAC"، والذي يعمل كحارس مستمر ومغلق الحلقة للبطارية. وخلافاً لأنظمة إدارة البطاريات التقليدية التي تعتمد على قواعد ثابتة، مثل إيقاف الشحن عند الوصول إلى جهد معين، يراقب هذا النظام الجديد الحالة الداخلية للبطارية أثناء حدوثها. ويستخدم تقنية تسمى "مطيافية المعاوقة الديناميكية" (dynamic impedance spectroscopy)، والتي ترسل إشارات كهربائية صغيرة غير ضارة عبر البطارية لقياس كيفية سلوك سطح القطب الكهربائي. ويركز النظام على خاصية محددة تسمى "السعة السطحية" (surface capacitance)، والتي تتغير بشكل طفيف مع بدء استقرار الليثيوم على الأنود. ومن خلال تتبع هذه التغييرات، يمكن للذكاء الاصطناعي تحديد اللحظة الدقيقة التي يوشك فيها ترسيب الليثيوم على البدء، ليكتشف ذلك قبل أكثر من خمس دقائق من ظهور أي دندريتات معدنية مرئية.

بمجرد أن يرصد النظام علامات التحذير المبكرة، فإنه لا يكتفي بمجرد إيقاف تشغيل البطارية، بل يتخذ إجراءً ذاتياً فورياً؛ حيث يقوم الذكاء الاصطناعي فوراً بخفض تيار الشحن إلى معدل أقل بكثير وأكثر أماناً. وتسمح هذه الوقفة لليثيوم المتكون حديثاً بالذوبان والانزلاق مرة أخرى داخل طبقات القطب، وهي عملية تسمى "إعادة التداخل" (re-intercalation)، مما يعالج الضرر بفعالية قبل أن يصبح دائماً. وقد اختبر الباحثون هذا النهج عبر مجموعة واسعة من أحجام البطاريات، بدءاً من الخلايا الصغيرة بحجم العملة المعدنية المستخدمة في الأبحاء وصولاً إلى البطاريات المنشورية الكبيرة بسعة 314 أمبير-ساعة المستخدمة في أنظمة تخزين الطاقة. وفي كل حالة، نجح النظام المدعوم بالذكاء الاصطناعي في كبح نمو دندريتات الليثيوم. وفي الاختبارات التي أجريت على خلايا العملة المعدنية التجارية، قلل النظام من كمية الليثيوم المعدني المتبقي وغير النشط بنسبة 73 بالمئة مقارنة بالبطاريات غير المنظمة. علاوة على ذلك، احتفظت البطاريات التي تمت إدارتها بواسطة الذاء الاصطناعي بـ 84 بالمئة من سعتها بعد 100 دورة من الشحن السريع القاسي، بينما فقدت البطاريات غير المنظمة، تحت نفس الظروف، سعتها بشكل أسرع بكثير.

تكمكم قوة هذا النهج في قدرته على رؤية ما لا يُرى. فباستخدام خلايا مصنعة خصيصاً سمحت للباحثين بالنظر مباشرة إلى سطح القطب باستخدام مجاهر بصرية، أكدوا أن إشارة تحذير الذكاء الاصطناعي وصلت قبل فترة طويلة من إمكانية رؤية أي ليثيوم بالعين المجردة. وفي إحدى التجارب، رصد النظام بداية الترسيب وخفض التيار بينما ظل سطح القطب نظيفاً تماماً. وفي المقابل، طورت البطاريات التي لم تخضع لهذا التدخل تجمعات مرئية من رواسب الليثيتم التي تحولت في النهاية إلى طبقة غير نشطة وفوضوية. وقد أثبت النظام متانة كافية للتعامل مع تعقيدات البطاريات في العالم الحقيقي، والتي تختلف في الحجم والكيمياء والعمر. فقد نجح في إدارة كل شيء، من الخلايا المختبرية الصغيرة إلى خلايا الكيس التجارية الضخمة، مكيفاً استراتيجيات الكشف والتحكم الخاصة به لكل نموذج محدد دون الحاجة إلى تدخل بشري.

يمثل هذا العمل خطوة كبيرة للأمام في سلامة البطاريات وطول عمرها، حيث ينقل الصناعة من التدابير التفاعلية إلى الحماية الاستباقية. ومن خلال سد الفجوة بين الإشارات الكهربائية العابرة والتحكم الفيزيائي الفوري، يثبت إطار عمل "AI-LOMAC" أنه من الممكن إدارة الكيمياء الداخلية للبطارية بدقة. وقد أثبت الباحثون أن هذه الطريقة لا تعمل نظرياً فحسب، بل عملياً أيضاً، عبر أنواع مختلفة من البطاريات وتحت ظروف صعبة مثل الشحن السريع ودرجات الحرارة المنخفضة. وبينما يركز النظام حالياً على ترسيب الليثيوم، فإن البنية التحتية الأساسية تشير إلى مستقبل يعمل فيه الذكاء الاصطناعي كشريك مستمر في إدارة البطاريات، قادراً على التعلم من البيانات التشغيلية لصقل الاستراتيجيات وربما اكتشاف طرق جديدة لتخزين الطاقة. وفي الوقت الحالي، النتيجة هي تحسن ملموس: بطاريات أكثر أماناً، وتدوم لفترة أطول، ويمكن شحنها بشكل أسرع دون الخوف من تراكم الأضرار الخفية داخلها.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف ⚡ eess →