Исследователи из Университета Суррея проверили 28 составов катодов для натрий-ионных батарей. В сообщении университета от 21 октября 2026 года говорится, что замена части марганца железом, титаном или ванадием по-разному меняла свойства материалов: железо было связано с большей ёмкостью, ванадий улучшал стабильность при повторных циклах, а небольшие добавки титана помогали материалу работать при высоких скоростях.

Эти данные использовали для обучения модели машинного обучения. Но библиотека пока слишком мала для надёжных прогнозов. Результат показывает направления поиска, а не готовый способ заранее спроектировать батарею с заданными характеристиками.

Один катод, несколько компромиссов

Катод, положительный электрод батареи, влияет на то, сколько энергии устройство может накопить и как оно ведёт себя во время зарядки и разрядки. Учёные изучали оксид натрия и марганца, в котором часть марганца заменяли разными количествами железа, титана или ванадия, а затем сравнивали получившиеся составы в натрий-ионных батареях.

Добавки смещали баланс свойств в разные стороны. Железо связывали с большей ёмкостью хранения энергии. Ванадий помогал материалу сохранять стабильность при повторных циклах заряда и разряда. Небольшие добавки титана улучшали работу при высоких скоростях. Некоторые составы с титаном сохранили более 90% исходной ёмкости после 100 циклов.

Доступное сообщение не приводит точные значения ёмкости и скоростных характеристик для каждого состава. Поэтому по этим данным нельзя назвать материал, который одновременно хранит больше энергии, лучше работает при высоких скоростях и дольше сохраняет свойства. Нельзя также превращать результат о работе при высоких скоростях в вывод о том, какая батарея заряжается быстрее.

Представим условную задачу выбора. Если исследователю прежде всего нужна ёмкость, он может обратить внимание на составы с железом. Если важнее сохранение свойств при многократных циклах, стоит изучать варианты с ванадием. Для работы при высоких скоростях можно проверить составы с небольшим количеством титана. Это только поясняющий пример, а не отдельный результат испытаний и не рекомендация для производства.

Почему 28 составов недостаточно для модели

Команда автоматизировала анализ большого объёма экспериментальных данных и использовала полученный набор для обучения модели машинного обучения. Такая модель может искать связи между составом катода и его свойствами, но качество её прогнозов зависит от того, насколько широко представлены возможные материалы.

Двадцать восемь вариантов дают узкую картину пространства составов. В сообщении Университета Суррея прямо сказано, что нынешняя библиотека слишком мала для надёжных прогнозов. В нём также говорится, что расширение библиотеки в будущем может позволить ИИ выявлять новые составы до их изготовления и испытаний в лаборатории. Пока работа создаёт основу для такого поиска, а не готовую систему проектирования батарей.

Результаты опубликованы в Journal of Materials Chemistry A, DOI: 10.1039/d6ta04588j. Библиографию и описание подобных исследований можно привести в порядок с помощью сервиса подготовки научных статей.

Схема показывает связь между 28 составами катодов, добавками железа, ванадия и титана, свойствами материалов и ограничением модели машинного обучения

Фото: analogicus / Pixabay