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

अचानक बैटरी मृत्यु का रहस्य

कल्पना कीजिए कि आपका पसंदीदा स्मार्टफोन या इलेक्ट्रिक कार की बैटरी एक मैराथन धावक की तरह है। दौड़ के अधिकांश भाग के लिए, यह धावक स्थिर और अनुमानित होता है, जो हर मील में धीरे-धीरे और सहजता से थोड़ी सी ऊर्जा खोता है। लेकिन फिर, अचानक, धावक लड़खड़ाता है, डगमगाता है और कुछ ही सेकंड में गिर जाता है। बैटरी की दुनिया में, प्रदर्शन में इस नाटकीय, अचानक गिरावट को "कैपेसिटी नी" (capacity knee) कहा जाता है। यह वह क्षण है जब एक बैटरी बहुत तेज़ी से "अभी भी अच्छी" से "मृत" हो जाती है, और यही मुख्य कारण है कि हमें अपने उपकरणों को बदलना पड़ता है या अपनी कारों को रिटायर करना पड़ता है।

वैज्ञानिक एक "क्रिस्टल बॉल" बनाने की कोशिश कर रहे हैं जो सटीक रूप से भविष्यवाणी कर सके कि यह 'नी' कब होगी। वे जटिल कंप्यूटर मॉडल का उपयोग करते हैं जो आभासी प्रयोगशालाओं की तरह कार्य करते हैं, जो एक बैटरी सेल के भीतर होने वाले सूक्ष्म रासायनिक और भौतिक संघर्षों का अनुकरण (simulate) करते हैं। उम्मीद यह है कि यदि हम इन संघर्षों के नियमों को समझ लें, तो हम भविष्य की भविष्यवाणी कर सकते हैं। लेकिन इसमें एक पेंच है: ये मॉडल "पैरामीटर्स" नामक संख्याओं पर निर्भर करते हैं। इनमें से कुछ संख्याएँ धावक के वजन की तरह हैं (मापने योग्य और ज्ञात), जबकि अन्य धावक की गिरने की गुप्त, बिना मापी गई प्रतिभा की तरह हैं। यदि मॉडल की भविष्यवाणी पूरी तरह से उस गुप्त प्रतिभा पर निर्भर करती है, और हमें वास्तव में यह नहीं पता कि वह प्रतिभा क्या है, तो क्रिस्टल बॉल केवल अनुमान लगा रही हो सकती है। यह शोध पत्र एक सरल, महत्वपूर्ण प्रश्न पूछता है: क्या हमारे बैटरी मॉडल वास्तव में भविष्य की भविष्यवाणी कर रहे हैं, या वे केवल ऐसा दिखने के लिए ट्यून किए जा रहे हैं?

वह गुप्त नॉब जो क्रैश को नियंत्रित करता है

इस अध्ययन के शोधकर्ताओं ने यह देखने के लिए "आभासी बैटरी ट्यूनिंग" का खेल खेलने का निर्णय लिया कि मॉडल का कौन सा हिस्सा वास्तव में उस अचानक क्रैश को नियंत्रित करता है। उन्होंने 512 अलग-अलग आभासी LFP/ग्रेफाइट बैटरियां (इलेक्ट्रिक वाहनों में पाई जाने वाली एक सामान्य प्रकार की बैटरी) बनाने के लिए PyBaMM नामक एक शक्तिशाली सिमुलेशन टूल का उपयोग किया। उन्होंने प्रत्येक बैटरी में आठ अलग-अलग सेटिंग्स को बदला, जैसे रासायनिक प्रतिक्रियाओं की गति, कणों पर तनाव की मात्रा, और चार्जिंग की गति, यह देखने के लिए कि कौन सा सेटिंग बैटरी के "नी" (knee) को प्रकट करता है।

यहाँ एक आश्चर्यजनक मोड़ मिला: लगभग सभी सेटिंग्स जिन्हें उन्होंने बदला था—जैसे रासायनिक विकास की गति या कणों का टूटना—वे एक रेडियो पर वॉल्यूम नॉब घुमाने की तरह थे। उन्होंने बैटरी के क्षय (fade) की मात्रा को तो बदला, लेकिन उन्होंने क्षय के आकार को नहीं बदला। बैटरी अभी भी धीरे-धीरे कम होती रहेगी और फिर अचानक गिर जाएगी, या धीरे-धीरे कम होती रहेगी और फिर धीरे-धीरे ही कम होती रहेगी। लेकिन एक विशिष्ट सेटिंग थी, एक छिपा हुआ घातांक (exponent) जिसे $m_{LAM}$ कहा जाता है (जो यह बताता है कि तनाव कैसे बैटरी की सक्रिय सामग्री को नष्ट करता है), जो 'नी' के लिए एक मास्टर स्विच की तरह कार्य करता था।

इसे एक रोलर कोस्टर की तरह समझें। अन्य सेटिंग्स ने यह निर्धारित किया कि ट्रेन कितनी तेज़ चलेगी या इसमें कितने लूप होंगे, लेकिन $m_{LAM}$ एकमात्र चीज़ थी जो यह तय करती थी कि अंत में ट्रैक अचानक सीधा नीचे क्यों गिरेगा। अध्ययन में इस घातांक और 'नी' की गंभीरता के बीच एक गहरा संबंध पाया गया: एक सहसंबंध स्कोर (correlation score) +0.921। सरल भाषा में, इसका अर्थ है कि यदि आप इस एक संख्या को बदलते हैं, तो 'नी' लगभग पूरी तरह से इसके साथ तालमेल बिठाकर बदलता है। अन्य सात सेटिंग्स? उनका प्रभाव इतना कम था कि वे लगभग अदृश्य थे (शून्य के करीब सहसंबंध)।

"माना गया" रहस्य

अब, यहाँ कहानी में नया मोड़ आता है। शोधकर्ताओं ने इस जादुई नंबर, $m_{LAM}$ के स्रोत को देखा। उन्हें उम्मीद थी कि उन्हें वास्तविक लैब से कोई माप मिलेगा, जैसे "हमने इस स्ट्रेस एक्सपोनेंट को 2.0 मापा है।" इसके बजाय, उन्होंने पाया कि नंबर को "Assumed" (माना गया) लेबल किया गया था। मॉडल के रचनाकारों ने बस अनुमान लगाया था कि यह 2.0 होगा क्योंकि उनके पास इसका कोई वास्तविक माप नहीं था।

यह परीक्षण करने के लिए कि क्या यह अनुमान पर्याप्त था, टीम ने एक विशाल नियंत्रण प्रयोग चलाया। उन्होंने $m_{LAM}$ को उस माने गए मान 2.0 पर लॉक कर दिया और 1,024 अलग-अलग सिमुलेशन चलाए, हर अन्य संभावित कारक (चार्जिंग गति, तापमान, बैटरी संतुलन) को बदलकर यह देखने के लिए कि क्या वे कभी वास्तविक बैटरी की तरह क्रैश होने वाली आभासी बैटरी बना सकते हैं। परिणाम? शून्य। उन 1,024 सिमुलेशन में से एक भी वास्तविक बैटरी में देखे जाने वाले 'नी' को उत्पन्न नहीं कर सका। वे जो सबसे अच्छा प्राप्त कर सके वह 1.76 का 'नी' अनुपात था, जबकि वास्तविक बैटरियों (MIT/Severson डेटासेट से) में औसत 'नी' अनुपात 7.23 था। मॉडल वास्तविक दुनिया के क्रैश को दोहराने में पूरी तरह विफल रहा।

वास्तविक संख्या बहुत अधिक है

तो, वह कौन सी संख्या है जो मॉडल को काम करने के योग्य बनाती है? शोधकर्ताओं ने उल्टा काम किया। उन्होंने 117 वास्तविक बैटरियों के डेटा को लिया जिन्होंने वास्तव में क्रैश किया था और पूछा: "हमारे मॉडल को इस सटीक क्रैश को उत्पन्न करने के लिए $m_{LAM}$ के किस मान की आवश्यकता होगी?"

जवाब चौंकाने वाला था। वास्तविक बैटरियों से मेल खाने के लिए, मॉडल को 13.33 के औसत वाले $m_{LAM}$ मान की आवश्यकता थी। कुछ मामलों में, इसे 18.00 तक ऊँचा होना पड़ा। इसका मतलब है कि वास्तविक दुनिया की बैटरियां ऐसे व्यवहार कर रही हैं जैसे कि स्ट्रेस एक्सपोनेंट (stress exponent) माने गए मान 2.0 की तुलना में कम से कम 6.7 गुना बड़ा है।

शोधकर्ताओं ने यह भी जांचा कि क्या यह उच्च संख्या इस बात पर निर्भर करती है कि बैटरी को कैसे चार्ज किया गया था। उन्होंने 35 अलग-अलग सटीक चार्जिंग नीतियों (चार्जिंग को तेज़ करने और धीमा करने के विभिन्न तरीके) का परीक्षण किया। उन्होंने पाया कि चार्जिंग शैली चाहे जो भी हो, मॉडल को वास्तविकता से मेल खाने के लिए हमेशा 13.35 और 18.00 के बीच मान की आवश्यकता होती है। यह सिद्ध करता है कि "माना गया" मान 2.0 इन बैटरियों के लिए गलत है, और मॉडल 'नी' की भविष्यवाणी नहीं कर रहा है; यह केवल सही गुप्त संख्या को डायल करने का इंतज़ार कर रहा है।

"दो अज्ञात" का जाल

यहाँ एक अंतिम मोड़ है। शोधकर्ताओं ने पाया कि यह गुप्त घातांक ($m_{LAM}$) एक अन्य सेटिंग के साथ "कन्फाउंडेड" (confounded) है जिसे N/P अनुपात (नेगेटिव और पॉजिटिव इलेक्ट्रोड क्षमताओं के बीच का संतुलन) कहा जाता है। यह एक रहस्यमय बॉक्स के वजन का अनुमान लगाने की कोशिश करने जैसा है, लेकिन आपको नहीं पता कि स्केल सही ढंग से कैलिब्रेटेड है या नहीं।

उन्होंने पाया कि यदि आप N/P अनुपात को 1.5 के कारक से बदलते हैं, तो आप पूरी तरह से अलग $m_{LAM}$ मान के साथ समान 'नी' आकार प्राप्त कर सकते हैं। उदाहरण के लिए, $m_{LAM}$ के लगभग 9.8 वाले पैरामीटर्स का सेट, $m_{LAM}$ के लगभग 14.2 वाले सेट के समान 'नी' उत्पन्न कर सकता है, बशर्ते N/P अनुपात को उसके अनुसार समायोजित किया जाए। इसका अर्थ है कि केवल बैटरी क्रैश को देखना आपको वास्तविक घातांक का सही मान नहीं बताता। आप दोनों को स्वतंत्र रूप से मापे बिना उन्हें अलग नहीं कर सकते।

निष्कर्ष

शोध पत्र यह निष्कर्ष निकालता है कि हालांकि भौतिकी-आधारित मॉडल शक्तिशाली उपकरण हैं, लेकिन वर्तमान में वे यह भविष्यवाणी नहीं कर सकते कि बैटरी कब मर जाएगी। वे केवल तभी डेटा को फिट कर सकते हैं यदि आपको इस एक बिना मापे गए घातांक को बदलने की अनुमति दी जाए। यदि आप रिपोर्ट करते हैं कि एक मॉडल वास्तविक बैटरी के 'नी' से "मेल खाता" है, तो इसका मतलब यह नहीं है कि मॉडल भौतिकी को समझता है; इसका मतलब केवल यह है कि आपने सही गुप्त संख्या डायल कर दी है। जब तक वैज्ञानिक वास्तव में लैब में इस घातांक को माप नहीं लेते (जो इन सामग्रियों के लिए अभी तक नहीं किया गया है), तब तक मॉडल की भविष्यवाणियाँ केवल शिक्षित अनुमान मात्र हैं। लेखक सुझाव देते हैं कि भविष्य के अध्ययनों को इस घातांक और बैटरी संतुलन को एक साथ रिपोर्ट करना चाहिए, यह स्वीकार करते हुए कि मॉडल एक घटना का वर्णन कर रहा है न कि किसी ज्ञात भौतिक नियम को माप रहा है।