Az AI jelentheti a megoldást az ultra gyorsan tölthető akkukhoz?

Az elektromos autózás egyik legnagyobb kerékkötője az akkumulátorok kényszerűen hosszú töltési ideje. A Toyota a világ legnagyobb tudományos intézményeivel együttműködésben erre a problémára keresett megoldást, ám eredményeik jócskán túlmutatnak az eredeti problémán, és akár alapjaiban írhatják át a tudományos kutatások folyamatát.

Hogyan készíthetnénk olyan nagykapacitású akkumulátort, amely percek alatt teljesen feltölthető, mégis hosszú élettartamú? A tudás, amelyet a Toyota kutatási intézete (Toyota Research Institute, TRI) a világ legkiválóbb tudományos egyetemei közé tartozó Stanford és MIT kutatóival közösen igyekezett megszerezni, az elektromos autózás Szent Grálja.

Jelenlegi ismereteink szerint ugyanis a extra gyors nagy teljesítményű töltési folyamat olyan hatalmas terhelésnek teszi ki a legmodernebb akkumulátorokat is, amely néhány ciklus után visszafordíthatatlan károsodást okoz azok szerkezetében. A szakembereknek nincs okuk feltételezni, hogy megoldhatatlan a probléma, ám egyelőre nem sikerült rájönni arra a töltési módszerre, amellyel a kecske is jóllakhat és a káposzta is megmarad. Ennek rettentően egyszerű az oka: túl sok a változó. Ha a ciklus bármely pontján módosítjuk a töltési áramerősséget, az egész folyamat végkimenetele megváltozhat. A megoldás egyszerű, ugyanakkor megvalósíthatatlan, minden lehetséges módszert végig kell próbálni, méghozzá annyiszor megismételve az összes variációt, amíg tönkre nem megy az akkumulátorcsomag.

Ezen a ponton hozták be a képletben a TRI kutatói a mesterséges intelligenciát. A Stanford és az MIT kutatóival közösen olyan programot írtak, amely gépi tanulás segítségével képes már száz ciklus alapján meghatározni a teszt végkimenetelét. Sőt, a rendszer felismeri az egyes ismétlődő szabályszerűségeket, és ha olyan töltési programmal találkozik, amely korábbi tapasztalatai szerint nem lesz célravezető, félbeszakítja a kísérletet, és tovább lép a következőre.

A programban részt vevő szakemberek először tavaly áprilisban számoltak be köztes eredményeikről, és azok már akkor ígéretesek voltak. Eljárásukkal a szokásos teszteknél legalább tízszer gyorsabban ki lehetett például mutatni, hogy egy használt akkumulátornak mennyi még a várható hátralevő időtartama. Az alig egy hete publikált végső eredmények szerint azonban ennél is nagyobb mértékben felgyorsítható a tesztelési folyamat: a kutatók arra a következtetésre jutottak, hogy a fejlesztési idő 98 százalékkal (!) lerövidíthető, pusztán a megfelelően programozott mesterséges intelligencia alkalmazásával.

Ez azt jelenti, hogy egy új generációs akkumulátor tesztelési időtartama két évről 16 napra (!) rövidíthető le. Egy komplex folyamat, amelynek eredményeként optimalizálják például egy villanyautó akkumulátor-csomagjának méretét, alakját és kémiai összetételét – megannyi változó, ami hatványozottan növeli a feladat időigényét –, évek helyett csupán néhány hónapot vehet igénybe.

A technológia természetesen nem csupán az autóiparban hozhat áttörést, de minden olyan más területen is, ahol a magas hatásfokú energiatárolás kulcsfontosságú – például a fenntartható energiaforrások kiaknázása (szél- és naperőművek) terén. Sőt: a gépi tanulás folyamata más technológiai és tudományos területeken is alkalmazható volna, a gyógyszerkutatástól a lézerek fejlesztésén át a röntgentechnológia tökéletesítéséig.

A kutatásban részt vevő felek azonban ennél is messzebb mentek, reményeik szerint az általuk kidolgozott módszer nagy általánosságban a tudományos felfedezések folyamatát is felgyorsíthatja.

„Fel kell tennünk a kérdést: lehetséges kidolgozni olyan módszereket, amelyek saját maguk tesznek fel hipotéziseket, hogy aztán igazolják vagy cáfolják azokat?” – világít rá az eljárásban rejlő lehetőségekre Stefano Ermon, a Stanford számítógép-tudományokkal foglalkozó professzora. „Elképzelhető, hogy a gépek olyan tudást képesek megszerezni, amelyeket mi, emberek fel sem ismernénk.”

Ami a kutatás eredeti célját illeti, a Toyota kutatói még nem találtak rá a Szent Grálra, ám egy nagyon fontos lépéssel közelebb jutottak hozzá. A mesterséges intelligencia nemcsak drámai módon lerövidítette a tesztelést, hanem egy olyan törvényszerűségre is rávilágított, ami teljességgel ellentmond az emberi intuícióknak. „Váratlanul egyszerű töltési folyamatot vázolt fel a számítógép.” – említette meg Ermon professzor. „Mindig azt gondoltuk, hogy a töltési folyamat elején kell a legnagyobb áramerősséggel tölteni az akkumulátort. Most kiderült, hogy tévedtünk: az algoritmus szerint a ciklus középső szakaszában kell maximális teljesítményre kapcsolni a töltést. Ez az alapvető különbség a számítógép és az ember között: az előbbit nem befolyásolják megérzések, amelyek ugyan sokszor célravezetők, ám legalább annyiszor zsákutcába terelnek bennünket.”