كيف يجعل الذكاء الاصطناعي المركبات الكهربائية أكثر أمانًا وكفاءة

وفقًا لاستطلاع حديث أجرته وكالة الطاقة الدولية، تم بيع ما يزيد عن 250 ألف مركبة كهربائية أسبوعيًا في العام الماضي على مستوى العالم. ووجد الاستطلاع أيضًا أن تبني المستهلكين للسيارات الكهربائية قد وصل إلى نقطة تحول، حيث يتوقع المسؤولون التنفيذيون في الصناعة أن تشكل المركبات الكهربائية 40% من مبيعات السيارات بحلول عام 2030، ويرجع ذلك إلى حد كبير إلى أن السيارات الكهربائية أصبحت أرخص.

البطارية هي أكبر مساهم منفرد في تكلفة المركبات الكهربائية—كما أنها تشكل نقطة حيوية للمخاوف بشأن السلامة والأداء.

لكن بحثًا جديدًا من جامعة أريزونا يظهر أن التعلم الآلي يمكن أن يساعد على منع انفجار بطاريات السيارات الكهربائية. ويمكن لشركات صناعة السيارات أيضًا استخدام خوارزميات متقدمة لتحديد الكيمياء والحجم والشكل المحدد الذي يؤدي إلى أفضل أداء وسيارات أكثر استدامة.

قال Benjamin Boeser، مدير الابتكار في Mercedes-Benz، الشريك لشركة IBM® Partner: "إن تطوير هذه البطاريات الافتراضية وإتقانها قد يفتح الباب أمام فرصة تبلغ قيمتها مليار دولار".

على الرغم من أنه من المبكر جدًا الحديث عن هذا الأمر، فمن المتوقع أن يزيد الذكاء الاصطناعي من القيمة المتصورة للسيارات الكهربائية بنسبة تزيد عن 20%، وفقًا لاستطلاع ميداني أجراه معهد IBM لقيمة الأعمال مؤخرًا.

كانت بطارية الليثيوم أيون رائدة في سوق بطاريات المركبات الكهربائية العالمية لسنوات، ويرجع ذلك إلى حد كبير إلى كثافة طاقتها الاستثنائية وعمرها الافتراضي الطويل وتصميمها خفيف الوزن.

لا تزال مخاوف السلامة مستمرة مع بطاريات الليثيوم أيون، لا سيما في ما يتعلق بخطر "الانفلات الحراري". ويحدث هذا عندما ترتفع درجة حرارة البطاريات بشكل غير متوقع، ما يشكل خطر تعطل البطاريات أو اشتعال النيران أو حتى الانفجار.

يمكن أن يحدث الانفلات الحراري بسبب عوامل مختلفة، بما في ذلك الشحن الزائد، والإفراط في التفريغ، والتعرض لدرجات الحرارة العالية، وعيوب التصنيع، والدوائر الكهربائية القصيرة الداخلية.

لمعالجة مشكلة الانفلات الحراري، طوّر فريق في جامعة أريزونا نموذجًا للتعلم الآلي للتنبؤ بارتفاع درجات الحرارة في بطاريات الليثيوم أيون ومنع حدوثه.

عادةً ما تحتوي السيارات الكهربائية على حزمة بطارية تتكون من مئات الخلايا المتصلة بإحكام والمعبأة في وحدات. إذا حدث انفلات حراري في خلية واحدة، فمن المرجح جدًا أن تسخن الخلايا القريبة أيضًا.

يقول Basab Ranjan Das Goswami، الباحث الرئيسي في المشروع: "إنه يؤدي إلى تفاعل تسلسلي مع تسارع درجة حرارة البطارية بطريقة متسارعة". "إذا حدث ذلك، فقد تنفجر حزمة البطارية بالكامل في السيارة الكهربائية".

واستلهامًا من إطار العمل للتنبؤ بالطقس الذي يأخذ في الحسبان الوقت والمكان، طوّر الفريق خوارزمية للتنبؤ بالوقت والمكان المحتمل لبدء الانفلات الحراري. وباستخدام أجهزة استشعار حرارية ملفوفة حول خلايا البطارية، قاموا بتغذية بيانات درجات الحرارة السابقة في خوارزمية تعلم آلي للتنبؤ بدرجات الحرارة المستقبلية.

وقال Goswami: "إذا عرفنا موقع الجزء الأكثر سخونة أو بداية الانفلات الحراري، يمكننا التخطيط لحلول لإيقاف البطارية قبل أن تصل إلى تلك المرحلة الحساسة".

يمكن أن يتضمن الحل المستقبلي المحتمل نظام إنذار مبكر يكتشف الجزء الأكثر سخونة وينشط مفتاح أمان لقطع التوصيلات الكهربائية عن الحزمة الرئيسية.

بالإضافة إلى جعل البطاريات أكثر أمانًا، يمكن للخوارزميات المتقدمة أيضًا تحسين الأداء والاستدامة.

تقول Noriko Suzuki، رائدة الفكر التقني في معهد IBM لقيمة الأعمال: "في المستقبل، ستساعد رقائق الذكاء الاصطناعي منخفضة الاستهلاك للطاقة على تقليل الحاجة إلى البطاريات الكبيرة". "إن بطاريات المركبات الكهربائية باهظة الثمن وثقيلة للغاية، ما يؤدي إلى مزيد من الضغط على البنية التحتية للطرق.

لدى مختبر البحث IBM في ألمادن، كاليفورنيا، مشروع مخصص باستخدام الذكاء الاصطناعي والتعلم الآلي لتطوير بطاريات أكثر قوة واستدامة وكفاءة في استخدام الطاقة للمركبات الكهربائية.

على وجه التحديد، يستخدم الفريق تدفقات سير العمل من الذكاء الاصطناعي والتعلم الآلي لتسريع اكتشاف المواد الإلكتروليتية وتحسينها—وهو عنصر حساس يؤثر في سلامة البطارية واستقرارها وكفاءتها. ويدمج سير العمل هذا تدفقات عمل المحاكاة الآلية ومجموعات البيانات والمعرفة الواسعة الخاصة بالمجال مع نماذج الذكاء الاصطناعي المصممة لهذا الغرض، لاكتشاف تركيبات إلكتروليت جديدة للبطاريات عالية الأداء.

قال Murtaza Zohair، عالم البحث شركة IBM في Almaden lab: "يتمتع الذكاء الاصطناعي بالقدرة على تعزيز اكتشاف مواد البطاريات المعقدة وعملياتها، ما يتيح شحنًا أسرع وكثافة طاقة أعلى وتحسين الاستدامة".

يمكن لنماذج الأساس للذكاء الاصطناعي متعدد الوسائط، وهي نماذج كيميائية كبيرة مدربة مسبقًا على أكثر من 90 مليون جزيء، ن تُجرى عليها عملية الضبط الدقيق باستخدام مجموعات بيانات البطارية الموسومة للتنبؤ بخصائص المواد المعقدة، مثل تركيبات الإلكتروليت، لتحسين أداء البطارية. ويمكن لخوارزميات البحث المتعمق استخراج المعرفة بسرعة من كميات هائلة من الأدبيات العلمية الموجودة. ويمكن لمجموعة أدوات المحاكاة أن تقرر بكفاءة نوع المحاكاة التي يجب تشغيلها لفهم المواد ووظائفها بشكل أفضل. وأخيرًا، يمكن للنماذج التوليدية أن تقترح بسرعة مواد جديدة.

بينما يركز بعض الباحثين على كيمياء البطارية الداخلية، يستخدم آخرون الذكاء الاصطناعي لدراسة العوامل الخارجية التي يمكن أن تساعد على تقليل الطاقة التي تستهلكها بطارية المركبات الكهربائية.

طورت مجموعة من الباحثين في الأكاديمية العربية للعلوم بالجيزة، مصر، مؤخرًا خوارزمية جديدة لنظام GPS للمركبات الكهربائية، التي تختار أقصر وأسرع طرق السفر وأكثرها كفاءة في استخدام الطاقة.

استخدم الباحثون الخوارزمية لفحص استهلاك الطاقة للسيارات الكهربائية عبر طوبولوجيا الطرق المختلفة، وتقييم تأثير طرازات المركبات المختلفة وسرعة الرياح واتجاهها في استهلاك الطاقة.

اكتشف الباحثون أن سرعة الرياح واتجاهها يمكن أن يحافظا على ما يقرب من 49% من سعة البطارية خلال رحلة قصيرة تمتد حوالي 50 كم. ووجدوا أيضًا أن طوبولوجيا الطرق كان لها تأثير كبير في التنبؤ بالنطاق واستهلاك الطاقة. وقد يؤدي اختيار طريق به منحدرات أقل، على سبيل المثال، إلى توفير الطاقة بحوالي 46%.

يمكن أن يؤدي أخذ كل هذه العوامل في الحسبان عند اختيار المسار الأمثل للمركبة الكهربائية إلى توفير المال وزيادة عمر البطارية.

سيكون تحسين البنية التحتية لشحن بطاريات المركبات الكهربائية بالكامل أمرًا حساسًا لتمهيد الطريق لاعتماد المركبات الكهربائية على نطاق واسع. على سبيل المثال، من المحتمل أن يكون الذكاء الاصطناعي جزءًا لا يتجزأ من "الشحن الذكي"، حيث تراقب الخوارزميات السلامة وحالة البطارية وتقترح نقاط الشحن والتوقيت الأمثل لضمان أقصى مدى للقيادة وعمر البطارية. ويمكن أن يساعد الذكاء الاصطناعي أيضًا على المراقبة الأمنية والاستجابة للحوادث، للمركبات وشبكات الشحن على حد سواء.

وتوفر خوارزميات التعلم العميق، إلى جانب أجهزة الاستشعار والكاميرات، بالفعل المساعدة داخل السيارة للسائقين الذين يتطلعون إلى تعزيز سلامة سياراتهم وكفاءتها. Volkswagen، على سبيل المثال، قامت بدمج الذكاء الاصطناعي التوليدي في العديد من سياراتها بحيث يمكن للسائقين في النهاية، على سبيل المثال، طلب إعادة توجيه السيارة إلى أقرب محطة شحن للمركبات الكهربائية.

على المدى الطويل، يمكننا أن نتوقع أن يحول الذكاء الاصطناعي سوق السيارات الكهربائية والنقل على نطاق أوسع، حيث إنه يدمج أنظمة مساعدة السائق والقيادة الذاتية، ويتيح الصيانة التنبؤية ويساعد على التكامل مع الشبكة الذكية. وفي نهاية المطاف، الطريق أمام ابتكار المركبات الكهربائية لا حدود له—والذكاء الاصطناعي يساعد فقط على جعلها رحلة أكثر سلاسة.