Il decennio dal 2025 al 2035 sarà un periodo cruciale per l’intelligenza artificiale, che dovrà potenziare profondamente la tecnologia delle batterie e trasformarne radicalmente il paradigma di ricerca e sviluppo e gli scenari applicativi. L’intervento dell’intelligenza artificiale guiderà l’innovazione lungo lAI‘intera filiera tecnologica delle batterie, dalla scoperta dei materiali e dalla progettazione del sistema alla gestione e manutenzione.
Di seguito è riportato un riepilogo delle principali tendenze nello sviluppo della tecnologia delle batterie basata sull’intelligenza artificiale nel prossimo decennio: l’intelligenza artificiale sta trasformando la AI ricerca e sviluppo delle batterie da un approccio “per tentativi ed errori” basato sull’esperienza a una “progettazione automatizzata” basata sui dati.
Da “per tentativi ed errori” a “progettazione”: i tradizionali cicli di ricerca e sviluppo delle batterie sono lunghi e fortemente basati su tentativi ed errori sperimentali. L’emergere della Battery Design Automation (BDA), simile al software EDA nel settore dei chip, integra modelli fisici multiscala con algoritmi di intelligenza artificiale per costruire una piattaforma di ricerca e sviluppo automatizzata, dalla AIprogettazione dei materiali a livello atomico alla previsione delle prestazioni a livello di sistema. Questo può ridurre significativamente il ciclo di ricerca e sviluppo delle batterie di nuova generazione di diversi anni.
L’intelligenza artificiale accelera l’innovazione dei materiali: l’intelligenza artificiale generativa può sottoporre a reverse engineering nuovi materiali per batterie che soddisfano specifici obiettivi prestazionali (come elevata conduttività ed elevata stabilità) in un vasto ambito chimico. Ad esempio, la piattaforma Uni-Electrolyte può utilizzare l’intelligenza artificiale generativa per progettare nuove molecole di elettroliti e prevederne i percorsi di sintesi. Il team della Fudan University ha utilizzato l’intelligenza artificiale ad alto rendimento per migliorare di cento volte l’efficienza dello screening dei materiali.
Simulazione e previsione accurate delle prestazioni: attraverso algoritmi come le reti neurali a informazioni fisiche (PINN), l’intelligenza artificiale può risolvere in modo accurato ed efficiente complessi problemi multifisici all’interno delle batterie, ottenendo previsioni precise sullo stato di salute (SOH) della batteria. AI Questo fornisce uno strumento chiave per ottimizzare la progettazione delle batterie e prolungarne la durata.
Profonda integrazione lungo tutta la filiera: l’integrazione dell’intelligenza artificiale nella tecnologia delle batterie permeerà l’intera filiera, dall’innovazione in laboratorio alle applicazioni su larga scala.
Produzione intelligente e controllo qualità: modelli su larga scala basati sull’intelligenza artificiale possono richiamare e ottimizzare automaticamente i parametri del processo di produzione. Grazie alla tecnologia dei gemelli digitali basata su modelli fisici e sull’informatica quantistica, è possibile prevedere le reazioni di interfaccia dei materiali nello spazio virtuale e realizzare un sistema di rilevamento dei difetti, migliorando così significativamente la resa produttiva e riducendo i costi sperimentali di oltre il 90%.
Sistema di gestione intelligente della batteria (BMS): dotare le AIbatterie di un “cervello digitale” è la manifestazione più diretta dell’intelligenza artificiale a livello applicativo. Ad esempio, il “cervello digitale della batteria” sviluppato dal Dalian Institute of Chemical Physics dell’Accademia cinese delle scienze è in grado di generare avvisi di guasto avanzati a livello giornaliero tramite algoritmi di intelligenza artificiale, superando di gran lunga il livello di precisione dei sistemi tradizionali, migliorando notevolmente la sicurezza e l’efficienza operativa e di manutenzione delle centrali elettriche di accumulo di energia.
Potenziamento del sistema di batterie di nuova generazione: le batterie allo stato solido sono considerate la tecnologia di nuova generazione per eccellenza, ma la loro industrializzazione deve affrontare numerose sfide, come l’impedenza di interfaccia. AI L’intelligenza artificiale, attraverso l’elaborazione ad alta produttività e i grafici di conoscenza, può analizzare rapidamente decenni di letteratura e brevetti accumulati, offrendo una nuova strada per superare sfide chiave come le interfacce solido-solido e la stabilità dell’elettrolita solfuro, accelerandone la commercializzazione. Si prevede che le batterie allo stato solido entreranno nella fase di test sui veicoli nel 2027.
Applicazioni future e opportunità emergenti: la combinazione di intelligenza artificiale e tecnologia delle batterie darà vita e guiderà lo sviluppo di una serie di settori tecnologici all’avanguardia.
Apertura di un nuovo mercato del valore di centinaia di miliardi: a causa delle limitazioni dimensionali e della ricerca estrema della densità energetica, i terminali di consumo basati sull’intelligenza artificiale (come i velivoli elettrici a decollo e atterraggio verticale e i robot umanoidi eVTOL) diventeranno il banco di prova per la commercializzazione delle batterie allo stato solido. L’eVTOL richiede batterie allo stato solido con una densità energetica ≥400 Wh/kg. Si prevede che il mercato delle batterie economiche a bassa quota raggiungerà i 150-200 miliardi di yuan entro il 2030.
Costruire le basi energetiche per la rivoluzione dell’intelligenza artificiale: i data center che forniscono potenza di calcolo per l’intelligenza artificiale consumano enormi quantità di energia. I sistemi di accumulo di energia a AIbatteria su larga scala, in particolare le soluzioni di accumulo a lungo termine che utilizzano tecnologie diverse dal litio (come le batterie allo zinco), possono fungere da affidabili riserve di energia per i data center, aiutandoli a “saltare” la lunga attesa per gli aggiornamenti della rete e a entrare in funzione anni prima. Queste aziende si stanno posizionando come risolutori chiave dei colli di bottiglia energetici dell’intelligenza artificiale.
Sfide e spunti chiave: guardando al futuro, opportunità e sfide coesistono. La qualità dei dati, l’accuratezza della fusione di modelli multiscala e la robustezza degli algoritmi specifici dell’intelligenza artificiale rimangono questioni scientifiche che richiedono ricerca e sviluppo continui. Tuttavia, ciò che è certo è che la profonda integrazione tra intelligenza artificiale e tecnologia delle AI batterie è irreversibile. Sta spingendo l’industria globale delle batterie a passare dall’affidarsi ai “vantaggi produttivi” all’affidarsi ai “vantaggi di ricerca e sviluppo e innovazione”, che rimodelleranno il futuro panorama competitivo delle tecnologie energetiche.