← नवीनतम पेपर
🔬 सामग्री विज्ञान

Fine-tuned atomistic foundation model for accurate sodium-carbon chemistry in Na-ion batteries

यह शोध पत्र एक फाइन-ट्यून्ड MACE-आधारित एटोमिस्टिक फाउंडेशन मॉडल प्रस्तुत करता है जो जटिल सोडियम-कार्बन इंटरैक्शन को पकड़ने में प्रीट्रेन मॉडल्स की सीमाओं को दूर करता है, जिससे हार्ड कार्बन स्टोरेज मैकेनिज्म के सटीक DFT-स्तर के पूर्वानुमान सक्षम होते हैं और Na-आयन बैटरी डिजाइन के लिए क्लोज्ड-पोर साइज और प्लेटो वोल्टेज के बीच एक सीधा संबंध स्थापित होता है।

मूल लेखक: Andres Felipe Usuga (Centre of Excellence ENSEMBLE3 Sp. z o. o), Ihor Radchenko (Centre of Excellence ENSEMBLE3 Sp. z o. o), Yuxin Tang (Qingyuan Innovation Laboratory, College of Chemical Engineering
प्रकाशित 2026-11-16
📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

मूल लेखक: Andres Felipe Usuga (Centre of Excellence ENSEMBLE3 Sp. z o. o), Ihor Radchenko (Centre of Excellence ENSEMBLE3 Sp. z o. o), Yuxin Tang (Qingyuan Innovation Laboratory, College of Chemical Engineering - Fuzhou University), Oleksandr I. Malyi (Qingyuan Innovation Laboratory, Centre of Excellence ENSEMBLE3 Sp. z o. o)

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखक ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

बैटरी आधुनिक जीवन के मौन इंजन हैं, जो स्मार्टफोन से लेकर इलेक्ट्रिक कारों तक सब कुछ संचालित करती हैं। कई अगली पीढ़ी की बैटरियों के केंद्र में एक सरल रासायनिक नृत्य है: सोडियम आयन, जो प्रचुर और सस्ते हैं, ऊर्जा को संग्रहीत करने और मुक्त करने के लिए कार्बन-आधारित सामग्री के अंदर और बाहर चलते हैं। इस प्रक्रिया को अच्छी तरह से काम करने के लिए, वैज्ञानिकों को यह समझने की आवश्यकता है कि जब सोडियम परमाणु कार्बन के संपर्क में आते हैं तो वे वास्तव में कैसे व्यवहार करते हैं। चुनौती इस तथ्य में निहित है कि कार्बन एक समान ब्लॉक नहीं है; बैटरी में उपयोग की जाने वाली सामग्रियों में, यह सपाट शीट, घुमावदार सतहों और छोटे, सीलबंद पॉकेट का एक जटिल परिदृश्य है। सोडियम परमाणु इस परिदृश्य के साथ विभिन्न तरीकों से अंतःक्रिया करते हैं। कभी-कभी वे मेज पर जमी धूल की तरह सतह पर चिपक जाते हैं, और अन्य बार वे सीलबंद पॉकेट के भीतर छोटे, धात्विक बूंदों (ड्रॉपलेट्स) के रूप में आपस में गुच्छे बना लेते हैं। इन परमाणुओं के व्यवस्थित होने के तरीके और उन्हें हिलाने के लिए कितनी ऊर्जा की आवश्यकता होती है, इसका सटीक अनुमान लगाना बेहतर बैटरी डिजाइन करने के लिए महत्वपूर्ण है, लेकिन यह एक ऐसा कार्य रहा है जिसे मानक कंप्यूटर सिमुलेशन कुशलतापूर्वक संभालने में बहुत कठिन रहा है।

वर्षों से, शोधकर्ता इन परमाणु अंतःक्रियाओं को सिम्युलेट करने के लिए 'डेंसिटी फंक्शनल थ्योरी' नामक एक शक्तिशाली विधि पर भरोसा करते आए हैं। यह दृष्टिकोण अत्यधिक सटीक है, जो परमाणुओं के व्यवहार की भविष्यवाणी करने के लिए एक स्वर्ण मानक (गोल्ड स्टैंडर्ड) के रूप में कार्य करता है, लेकिन यह अविश्वसनीय रूप से धीमा और महंगा भी है। एक बड़ी, जटिल बैटरी सामग्री को सिम्युलेट करने के लिए, एक सुपरकंप्यूटर को एक अव्यवहारिक समय लगेगा। चीजों को तेज करने के लिए, वैज्ञानिक कृत्रिम बुद्धिमत्ता (AI) की ओर मुड़े हैं, विशेष रूप से एक प्रकार के मॉडल की ओर जिसे 'फाउंडेशन मॉडल' कहा जाता है। ये बड़े, पूर्व-प्रशिक्षित कंप्यूटर प्रोग्राम हैं जिन्होंने लाखों विभिन्न सामग्रियों का अध्ययन करके रसायन विज्ञान के सामान्य नियमों को सीखा है। उम्मीद यह थी कि ये मॉडल एक तेज़, सटीक शॉर्टकट के रूप में कार्य कर सकते हैं, जो पारंपरिक विधि की भारी कम्प्यूटेशनल लागत के बिना यह भविष्यवाणी कर सकें कि सोडियम और कार्बन कैसे अंतःक्रिया करते हैं। हालांकि, एक नया अध्ययन बताता है कि जबकि ये AI मॉडल शक्तिशाली हैं, वे अभी भी इस विशिष्ट कार्य के लिए पूर्ण नहीं हैं।

चीन और पोलैंड के संस्थानों में काम करने वाले शोधकर्ताओं ने यह परीक्षण करने के लिए प्रयास किया कि क्या इन मौजूदा AI मॉडलों को हार्ड कार्बन (जो बैटरी एनोड के लिए एक प्रमुख उम्मीदवार है) में सोडियम के जटिल व्यवहार का सटीक वर्णन करने में सक्षम है। उन्होंने एक विशिष्ट, महत्वपूर्ण समस्या पर ध्यान केंद्रित किया: दो अलग-अलग तरीकों के बीच की प्रतिस्पर्धा जिस तरह से सोडियम जुड़ना पसंद करता है। एक ओर, सोडियम एक इलेक्ट्रॉन त्याग सकता है, जिससे एक कमजोर, आयनिक आकर्षण पैदा होता है। दूसरी ओर, सोडियम परमाणु स्वाभाविक रूप से एक-दूसरे के प्रति आकर्षित होते हैं, और आपस में मिलकर धात्विक क्लस्टर (गुच्छे) बनाना पसंद करते हैं। एक वास्तविक बैटरी में, ये दोनों बल सक्रिय होते हैं, और उनके बीच का संतुलन ही बैटरी के चार्ज और डिस्चार्ज होने के तरीके को निर्धारित करता है। जब टीम ने सर्वोत्तम उपलब्ध पूर्व-प्रशिक्षित AI मॉडलों का परीक्षण किया, तो उन्हें एक महत्वपूर्ण दोष मिला। मॉडल सपाट कार्बन शीट पर सोडियम के बैठने के तरीके की भविष्यवाणी करने में तो अच्छे थे, लेकिन जब बात धात्विक गुच्छे बनाने की आई, तो वे पूरी तरह से विफल रहे। AI ने भविष्यवाणी की कि सोडियम परमाणु एक-दूसरे को प्रतिकर्षित करेंगे और फैले रहेंगे, जबकि अधिक सटीक, पारंपरिक गणनाओं ने दिखाया कि उन्हें आकर्षित होना चाहिए और स्थिर क्लस्टर बनाने चाहिए। इस त्रुटि का अर्थ था कि AI मॉडल बैटरी सामग्री की ऊर्जा स्थिरता की सही भविष्यवाणी नहीं कर सके, जिससे बैटरी के वोल्टेज और प्रदर्शन के बारे में गलत भविष्यवाणियां हो सकती थीं।

इसे ठीक करने के लिए, टीम ने शुरुआत से काम शुरू नहीं किया। इसके बजाय, उन्होंने एक मौजूदा फाउंडेशन मॉडल को लिया और उसे एक लक्षित पाठ दिया, जिसे 'फाइन-ट्यूनिंग' की प्रक्रिया के रूप में जाना जाता है। उन्होंने उदाहरणों का एक विशेष डेटाबेस बनाया जो विशेष रूप से उस लापता भौतिकी (फिजिक्स) को उजागर करता था: वे परिदृश्य जहाँ सोडियम परमाणु एक-दूसरे के करीब थे, क्लस्टर बना रहे थे, और वे परिदृश्य जहाँ कार्बन संरचना थोड़ी खिंची हुई या दोषपूर्ण थी। इन विशिष्ट उदाहरणों को मॉडल में वापस फीड करके, उन्होंने इसे यह पहचानने के लिए सिखाया कि सोडियम का कार्बन से चिपकना और सोडमान का खुद से चिपकना, दोनों के बीच सूक्ष्म अंतर क्या है। परिणाम एक नाटकीय सुधार था। नया, फाइन-ट्यून किया गया मॉडल अब इन जटिल व्यवस्थाओं की ऊर्जा को उन धीमी, स्वर्ण-मानक गणनाओं के समान सटीकता के साथ भविष्यवाणी कर सकता था, लेकिन बहुत कम समय में। इसने सफलतापूर्वक बिखरे हुए सोडियम परमाणुओं और धात्विक क्लस्टरों के बीच अंतर करना सीख लिया, जिससे उस सही ऊर्जा संतुलन को पकड़ा जा सका जिसे मूल मॉडलों ने छोड़ दिया था।

इस विश्वसनीय उपकरण के साथ, शोधकर्ताओं ने अपना ध्यान एक व्यावहारिक प्रश्न की ओर लगाया जिसने वर्षों से बैटरी डिजाइनरों को उलझा रखा है: हार्ड कार्बन के भीतर के छोटे, सीलबंद छिद्र (पोर्स) बैटरी के वोल्टेज को कैसे प्रभावित करते हैं? एक हार्ड कार्बन इलेक्ट्रोड में, ये छिद्र सूक्ष्म गुफाओं की तरह होते हैं जहाँ सोडियम छिप सकता है। यह सामान्यतः माना जाता था कि ये सभी छिद्र एक ही निम्न वोल्टेज पर भर जाते हैं, जिससे बैटरी के चार्जिंग ग्राफ पर एक सीधी रेखा बनती है। हालांकि, अपने नए फाइन-ट्यून किए गए मॉडल का उपयोग करते हुए, टीम ने विभिन्न आकारों के छिद्रों के भरने का सिमुलेशन किया। उन्होंने पाया कि यह धारणा गलत थी। छिद्र का आकार अत्यंत महत्वपूर्ण है। छोटे छिद्र, जो अधिक संकुचित और सीमित होते हैं, उच्च वोल्टेज पर भर जाते हैं, जबकि बड़े छिद्र कम वोल्टेज पर भरते हैं। इसका मतलब है कि एक वास्तविक बैटरी में, जिसमें विभिन्न आकारों के छिद्रों का मिश्रण होता है, चार्जिंग प्रक्रिया एक एकल सीधी रेखा नहीं बल्कि एक जटिल वक्र (कर्व) है जहाँ विभिन्न छिद्र अलग-अलग समय पर योगदान देते हैं। सबसे छोटे छिद्रों में पहले भरने के लिए सबसे मजबूत चालकता होती है, जबकि सबसे बड़े छिद्रों को सोडियम स्वीकार करने के लिए निम्न ऊर्जा अवस्था की आवश्यकता होती है।

यह निष्कर्ष इस बात को बदल देता है कि वैज्ञानिक बैटरी सामग्रियों को डिजाइन करने के बारे में कैसे सोच सकते हैं। यह सुझाव देता है कि इन नन्हे छिद्रों के आकार के वितरण को नियंत्रित करके, इंजीनियर बैटरी के वोल्टेज प्रोफाइल को पहले की तुलना में अधिक सटीक रूप से ट्यून कर सकते हैं। यह अध्ययन प्रदर्शित करता है कि जबकि कृत्रिम बुद्धिमत्ता के फाउंडेशन मॉडल एक शक्तिशाली शुरुआती बिंदु हैं, उन्हें अक्सर उन विशिष्ट, प्रतिस्पर्धी नियमों को सीखने की आवश्यकता होती है जो उस रासायनिक वातावरण को नियंत्रित करते हैं जिनका वे सिमुलेशन करने के लिए बनाए गए हैं। सोडियम परमाणुओं के आपस में जुड़ने बनाम कार्बन के साथ उनकी अंतःक्रिया के बीच के अंतर को सुधारकर, शोधकर्ताओं ने एक ऐसा उपकरण बनाया जो तेज़ भी है और सटीक भी। यह दृष्टिकोण अतीत के धीमे, पूर्ण सिमुलेशन और भविष्य के तीव्र, विश्वसनीय डिजाइन की आवश्यकता के बीच के अंतर को पाटता है, जो बेहतर सोडियम-आयन बैटरी की ओर एक स्पष्ट मार्ग प्रदान करता है। यह कार्य पुष्टि करता है कि जटिल सामग्रियों को वास्तव में समझने के लिए, AI को केवल डेटा को याद करने की नहीं, बल्कि उन अंतर्निहित भौतिक नियमों को सीखने की आवश्यकता है जो यह तय करते हैं कि परमाणु कैसे प्रतिस्पर्धा और सहयोग करते हैं।

अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?

आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।

Digest आज़माएँ →