AI ਨਾਲ ਬਣਿਆ ਨਵਾਂ ਕੈਟਲਿਸਟ: Li-S ਬੈਟਰੀਆਂ ਲਈ ਵੱਡੀ ਖਬਰ!

Detailed Coverage

ਖੋਜ ਦੇ ਖੇਤਰ ਵਿੱਚ ਇੱਕ ਵੱਡੀ ਸਫਲਤਾ ਹਾਸਲ ਹੋਈ ਹੈ, ਜਿੱਥੇ ਵਿਗਿਆਨੀਆਂ ਨੇ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਲਿਥੀਅਮ-ਸਲਫਰ (Li-S) ਬੈਟਰੀਆਂ ਦੇ ਭਾਗਾਂ ਨੂੰ ਬਿਹਤਰ ਬਣਾਇਆ ਹੈ। ਲਿਥੀਅਮ-ਸਲਫਰ ਟੈਕਨਾਲੋਜੀ, ਜੋ ਕਿ ਸਟੈਂਡਰਡ ਲਿਥੀਅਮ-ਆਇਨ ਬੈਟਰੀਆਂ ਨਾਲੋਂ ਪੰਜ ਗੁਣਾ ਜ਼ਿਆਦਾ ਐਨਰਜੀ ਡੈਂਸਿਟੀ (Energy Density) ਪ੍ਰਦਾਨ ਕਰ ਸਕਦੀ ਹੈ ਅਤੇ ਸਸਤੇ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੀ ਹੈ, ਪਰ ਇਸਦੀ ਵਪਾਰਕ ਵਰਤੋਂ ਰਸਾਇਣਕ ਅਸਥਿਰਤਾ (Chemical Instability) ਅਤੇ ਹੌਲੀ ਪ੍ਰਤੀਕਿਰਿਆ ਦਰ (Slow Reaction Speeds) ਕਾਰਨ ਸੀਮਤ ਰਹੀ ਹੈ।

Li-S ਕੈਮਿਸਟਰੀ ਦੀਆਂ ਤਕਨੀਕੀ ਚੁਣੌਤੀਆਂ 'ਤੇ ਕਾਬੂ ਪਾਉਣਾ

ਇਨ੍ਹਾਂ ਬੈਟਰੀਆਂ ਲਈ ਮੁੱਖ ਚੁਣੌਤੀਆਂ ਸਲਫਰ ਲੀਕੇਜ (Sulphur Leakage) ਅਤੇ ਅਕੁਸ਼ਲ ਚਾਰਜਿੰਗ ਸਾਈਕਲ (Inefficient Charging Cycles) ਹਨ। ਜਦੋਂ ਬੈਟਰੀ ਕੰਮ ਕਰਦੀ ਹੈ, ਤਾਂ ਸਲਫਰ ਅਜਿਹੀਆਂ ਅਵਸਥਾਵਾਂ ਵਿੱਚ ਬਦਲ ਜਾਂਦਾ ਹੈ ਜੋ ਇਲੈਕਟ੍ਰੋਲਾਈਟ (Electrolyte) ਵਿੱਚ ਘੁਲ ਸਕਦੀਆਂ ਹਨ ਅਤੇ ਇਲੈਕਟ੍ਰੋਡਾਂ (Electrodes) ਵਿਚਕਾਰ ਮਾਈਗ੍ਰੇਟ ਕਰ ਸਕਦੀਆਂ ਹਨ, ਜਿਸ ਨਾਲ ਪਾਵਰ ਕੈਪੈਸਿਟੀ (Power Capacity) ਦਾ ਸਥਾਈ ਨੁਕਸਾਨ ਹੁੰਦਾ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਸੋਲਿਡ ਸਲਫਰ ਕੰਪਾਊਂਡਸ (Solid Sulphur Compounds) ਦਾ ਬਣਨਾ ਅਕਸਰ ਇੱਕ ਇੰਸੂਲੇਟਰ (Insulator) ਵਜੋਂ ਕੰਮ ਕਰਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਚਾਰਜਿੰਗ ਅਤੇ ਡਿਸਚਾਰਜਿੰਗ ਪ੍ਰਕਿਰਿਆ ਕਾਫੀ ਹੌਲੀ ਹੋ ਜਾਂਦੀ ਹੈ। ਇਸ ਨੂੰ ਠੀਕ ਕਰਨ ਦੇ ਪਿਛਲੇ ਯਤਨਾਂ ਵਿੱਚ ਗ੍ਰਾਫੀਨ (Graphene) 'ਤੇ ਸਿੰਗਲ-ਐਟਮ ਮੈਟਲ ਕੈਟਲਿਸਟ (Single-Atom Metal Catalysts) ਸ਼ਾਮਲ ਸਨ, ਪਰ ਇਹ ਸਮੇਂ ਦੇ ਨਾਲ ਕਾਰਗੁਜ਼ਾਰੀ ਬਣਾਈ ਰੱਖਣ ਵਿੱਚ ਸੰਘਰਸ਼ ਕਰਦੇ ਰਹੇ।

AI-ਅਧਾਰਿਤ ਕੈਟਲਿਸਟ ਦੀ ਚੋਣ

ਇਨ੍ਹਾਂ ਸੀਮਾਵਾਂ ਨੂੰ ਦੂਰ ਕਰਨ ਲਈ, ਸਹਿਲ ਕੁਮਾਰ (Sahil Kumar) ਸਮੇਤ ਵਿਗਿਆਨੀਆਂ ਦੀ ਅਗਵਾਈ ਵਾਲੀ ਇੱਕ ਖੋਜ ਟੀਮ ਨੇ ਡਿਊਲ-ਐਟਮ ਕੈਟਲਿਸਟ (Dual-Atom Catalysts - DACs) ਦੀ ਵਰਤੋਂ ਪੇਸ਼ ਕੀਤੀ। ਦੋ ਮੈਟਲ ਐਟਮਾਂ (Metal Atoms) ਨੂੰ ਇੱਕ ਦੂਜੇ ਦੇ ਬਗਲ ਵਿੱਚ ਰੱਖ ਕੇ, ਇਹ ਕੈਟਲਿਸਟ ਘੁਲਣਸ਼ੀਲ ਸਲਫਰ ਮੋਲੀਕਿਊਲਾਂ (Sulphur Molecules) ਲਈ ਵਧੇਰੇ ਮਜ਼ਬੂਤ ​​ਟ੍ਰੈਪ (Trap) ਵਜੋਂ ਕੰਮ ਕਰਦੇ ਹਨ ਅਤੇ ਨਾਲ ਹੀ ਜ਼ਰੂਰੀ ਰਸਾਇਣਕ ਪ੍ਰਤੀਕਿਰਿਆਵਾਂ (Chemical Reactions) ਨੂੰ ਸੁਵਿਧਾਜਨਕ ਬਣਾਉਂਦੇ ਹਨ। ਹਜ਼ਾਰਾਂ ਸੰਭਾਵਿਤ ਜੋੜੀਆਂ ਵਿੱਚੋਂ ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਮੈਟਲ ਕੰਬੀਨੇਸ਼ਨ (Metal Combination) ਲੱਭਣ ਲਈ, ਟੀਮ ਨੇ PACE, ਯਾਨੀ ਪ੍ਰੀਸਾਈਜ਼ ਅਤੇ ਐਕਸਲਰੇਟਿਡ ਕਨਫਿਗਰੇਸ਼ਨ ਇਵੈਲੂਏਸ਼ਨ (Precise and Accelerated Configuration Evaluation) ਨਾਮਕ ਇੱਕ AI ਟੂਲ ਦੀ ਵਰਤੋਂ ਕੀਤੀ। ਇਸ ਸਿਸਟਮ ਨੇ ਸਭ ਤੋਂ ਕੁਸ਼ਲ ਜੋੜੀਆਂ ਦੀ ਪਛਾਣ ਕਰਨ ਲਈ 46,000 ਤੋਂ ਵੱਧ ਸਟਰਕਚਰਲ ਕਨਫਿਗਰੇਸ਼ਨਾਂ (Structural Configurations) ਦਾ ਵਰਚੁਅਲੀ ਸਕ੍ਰੀਨਿੰਗ (Virtually Screened) ਕੀਤਾ।

ਆਇਰਨ-ਨਿਕਲ ਪੇਅਰਿੰਗ ਦੀ ਭੂਮਿਕਾ

AI ਵਿਸ਼ਲੇਸ਼ਣ ਨੇ ਨਿਰਧਾਰਤ ਕੀਤਾ ਕਿ ਆਇਰਨ-ਨਿਕਲ ਕੰਬੀਨੇਸ਼ਨ ਬਾਈਡਿੰਗ ਸਟਰੈਂਥ (Binding Strength) ਨੂੰ ਸੰਤੁਲਿਤ ਕਰਨ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ ਹੈ। ਇਹ ਪੇਅਰਿੰਗ ਸਲਫਰ ਲੀਕੇਜ ਨੂੰ ਰੋਕਣ ਲਈ ਕਾਫੀ ਮਜ਼ਬੂਤ ​​ਹੈ, ਪਰ ਤੇਜ਼ ਰਸਾਇਣਕ ਪਰਿਵਰਤਨ (Rapid Chemical Conversion) ਦੀ ਆਗਿਆ ਦੇਣ ਲਈ ਕਾਫੀ ਲਚਕਦਾਰ ਵੀ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਇਸ ਖਾਸ ਕਨਫਿਗਰੇਸ਼ਨ ਨੇ ਚਾਰਜਿੰਗ ਦੌਰਾਨ ਬੈਟਰੀ ਵੇਸਟ (Battery Waste) ਨੂੰ ਤੋੜਨ ਲਈ ਲੋੜੀਂਦੀ ਊਰਜਾ ਨੂੰ ਘਟਾ ਦਿੱਤਾ, ਜੋ ਕੁੱਲ ਚਾਰਜਿੰਗ ਸਪੀਡ (Charging Speed) ਵਧਾਉਣ ਲਈ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਕਾਰਕ ਹੈ। ਟੀਮ ਨੇ ਭਵਿੱਖੀ ਮੈਟਲ ਪੇਅਰਿੰਗਜ਼ (Future Metal Pairings) ਦੀ ਪ੍ਰਭਾਵਸ਼ੀਲਤਾ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਦੇ ਯੋਗ ਇੱਕ ਮਸ਼ੀਨ-ਲਰਨਿੰਗ ਮਾਡਲ (Machine-Learning Model) ਵੀ ਵਿਕਸਿਤ ਕੀਤਾ ਹੈ, ਜੋ ਕਿ ਊਰਜਾ ਸਟੋਰੇਜ ਸੈਕਟਰ (Energy Storage Sector) ਵਿੱਚ ਖੋਜ ਦੀ ਗਤੀ ਨੂੰ ਤੇਜ਼ ਕਰ ਸਕਦਾ ਹੈ।

ਨਿਵੇਸ਼ਕ ਸੰਦਰਭ ਅਤੇ ਭਵਿੱਖ ਦੇ ਮਾਨੀਟਰੇਬਲ

ਹਾਲਾਂਕਿ ਇਹ ਖੋਜ ਮੈਟੀਰੀਅਲ ਸਾਇੰਸ (Material Science) ਵਿੱਚ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਕਦਮ ਹੈ, ਇਹ ਅਜੇ ਵੀ ਲੈਬਾਰਟਰੀ ਪੜਾਅ (Laboratory Stage) 'ਤੇ ਹੈ। ਨਿਵੇਸ਼ਕਾਂ (Investors) ਅਤੇ ਉਦਯੋਗ ਨਿਰੀਖਕਾਂ (Industry Observers) ਲਈ, ਵਪਾਰਕੀਕਰਨ (Commercialization) ਦਾ ਰਾਹ ਇਨ੍ਹਾਂ ਡਿਊਲ-ਐਟਮ ਕੈਟਲਿਸਟਾਂ ਦੀ ਸਕੇਲੇਬਿਲਟੀ (Scalability) ਅਤੇ ਉਨ੍ਹਾਂ ਨੂੰ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਲਾਗਤ-ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਬਣਾਉਣ ਦੀ ਸਮਰੱਥਾ 'ਤੇ ਨਿਰਭਰ ਕਰੇਗਾ। ਭਵਿੱਖ ਵਿੱਚ ਦੇਖਣ ਵਾਲੀਆਂ ਅਪਡੇਟਾਂ ਵਿੱਚ ਖੋਜ ਸੰਸਥਾਵਾਂ (Research Institutions) ਅਤੇ ਬੈਟਰੀ ਨਿਰਮਾਤਾਵਾਂ (Battery Manufacturers) ਵਿਚਕਾਰ ਸੰਭਾਵੀ ਭਾਈਵਾਲੀ (Potential Partnerships), ਲੈਬ-ਸਕੇਲ ਸਾਈਕਲ ਲਾਈਫ ਟੈਸਟਿੰਗ (Lab-Scale Cycle Life Testing) ਵਿੱਚ ਤਰੱਕੀ, ਅਤੇ ਪਾਇਲਟ-ਸਕੇਲ ਉਤਪਾਦਨ (Pilot-Scale Production) ਵੱਲ ਕੋਈ ਵੀ ਅਗਲਾ ਕਦਮ ਸ਼ਾਮਲ ਹੋ ਸਕਦਾ ਹੈ। ਇਨ੍ਹਾਂ ਖੇਤਰਾਂ ਵਿੱਚ ਸਫਲਤਾ ਆਖਰਕਾਰ ਰਵਾਇਤੀ ਲਿਥੀਅਮ-ਆਇਨ ਬੈਟਰੀ ਬਾਜ਼ਾਰ (Lithium-Ion Battery Market) ਲਈ ਇੱਕ ਪ੍ਰਤੀਯੋਗੀ ਬਦਲ (Competitive Alternative) ਪ੍ਰਦਾਨ ਕਰ ਸਕਦੀ ਹੈ, ਜੋ ਕਿ ਵਰਤਮਾਨ ਵਿੱਚ ਲਿਥੀਅਮ (Lithium) ਅਤੇ ਕੋਬਾਲਟ (Cobalt) ਦੀ ਉਪਲਬਧਤਾ ਦੇ ਸਬੰਧ ਵਿੱਚ ਆਪਣੀਆਂ ਸਪਲਾਈ ਚੇਨ ਦਬਾਵਾਂ (Supply Chain Pressures) ਦਾ ਸਾਹਮਣਾ ਕਰ ਰਿਹਾ ਹੈ।