Pin xe điện đòi hỏi kết hợp nhiều chất liệu điện phân để tìm ra phương án mang lại mật độ năng lượng cao nhất và thời gian sạc nhanh nhất. Các nhà sản xuất có thể mất hơn 10 năm và hàng nghìn thử nghiệm thất bại để tìm ra công thức phù hợp nhất với yêu cầu.
"Vấn đề là có quá nhiều phương án tiềm năng nhưng lại không đủ thời gian thử nghiệm", Austin Sendek, người đồng sáng lập kiêm CEO Aionics, cho biết và khẳng định AI có thể khắc phục vấn đề này.
Pin Li-ion có ba thành phần cơ bản, gồm cực âm, cực dương và màng điện phân nằm giữa để luân chuyển ion giữa các điện cực trong quá trình sạc và xả pin. Aionics, công ty thành lập năm 2020 tại Palo Alto và đã gọi vốn 3,5 triệu USD, tập trung vào màng điện phân và sử dụng bộ công cụ AI để tăng tốc nghiên cứu, nhằm mang đến những mẫu pin tốt hơn trong tương lai.
Pin xe điện thử nghiệm tại một nhà máy ở bang Michigan năm 2022. Ảnh: Reuters
Công ty đang phối hợp với nhiều doanh nghiệp, trong đó có nhà sản xuất ắc quy Cellforce của Porsche, công ty lưu trữ năng lượng Form Energy và nhà sản xuất hóa chất Nhật Bản Showa Denko. Quá trình bắt đầu bằng việc khách hàng đưa ra yêu cầu về mẫu pin mới và các chuyên gia của Aionics sẽ triển khai bộ công cụ AI để chạy thử nghiệm trên cơ sở dữ liệu gồm hàng tỷ mẫu vật chất và có thể đánh giá 10.000 mẫu mỗi giây.
Mô hình AI sẽ học cách dự đoán kết quả của bài mô phỏng tiếp theo, cho phép lựa chọn ứng viên vật chất cho những thử nghiệm tiếp đó. Số lượt thử nghiệm sẽ tỷ lệ thuận với lượng dữ liệu được tạo ra, cải thiện khả năng xử lý vấn đề của AI.
Aionics hiện tiến thêm một bước bằng cách ứng dụng AI tạo sinh. Thay vì dựa vào cơ sở dữ liệu hàng tỷ mẫu vật liệu, họ bắt đầu triển khai mô hình được huấn luyện bằng thông tin có sẵn về pin xe điện nhằm tạo ra hoặc thiết kế những vật liệu mới cho các công việc cụ thể. Công ty sử dụng phần mềm được phát triển tại Đại học Carnegie Mellon (CMU). Venkat Viswanathan, giáo sư của CMU, cũng là người đồng sáng lập và trưởng nhóm khoa học của Aionics.
Aionics dùng mô hình ngôn ngữ lớn trên nền tảng GPT-4 để giúp các chuyên gia chọn ra phương án phù hợp trong hàng triệu công thức, trước khi họ đưa chúng vào cơ sở dữ liệu vận hành. Chatbot được đào tạo bằng tài liệu hóa học và khoa học do Aionics lựa chọn, không nhằm phát hiện ra những vật liệu mới, mà chủ yếu loại bỏ những hợp chất không có tác dụng với nhiệm vụ cụ thể được khách hàng đưa ra.
Sau khi được huấn luyện, mô hình sẽ cho phép nhà khoa học đặt câu hỏi. "Nó không khác người bình thường truy vấn nội dung trong sách giáo khoa. Mọi thứ đều có thể xác minh bằng cách dẫn về nguồn tư liệu được dùng để huấn luyện chatbot", Sendek nói.
Aionics sẽ chuyển dữ liệu cho khách hàng đánh giá sau khi chắt lọc hàng tỷ mẫu thử nghiệm và chọn ra một số mẫu phù hợp nhất. "Nếu không ra kết quả sau vòng đầu tiên, chúng tôi sẽ làm lại và kết hợp với các thử nghiệm thực tế cho đến khi tìm ra giải pháp tốt nhất. Sau đó Aionics sẽ phối hợp với đối tác sản xuất để khởi động dây chuyền và đưa chúng ra thị trường", CEO công ty cho hay.
Điệp Anh (theo TechCrunch)