ब्रायन स्टोरी के अनुसार, ग्रह पर 100 मिलियन टोयोटा वाहन लगभग फ्रांस की तुलना में ग्रीनहाउस गैसों का उत्सर्जन कर रहे हैं, टोयोटा मोटर कॉर्पोरेशन ने 90 तक सभी टेलपाइप उत्सर्जन को 2050 प्रतिशत तक कम करने का लक्ष्य रखा है। टोयोटा रिसर्च इंस्टीट्यूट (टीआरआई) कैंब्रिज, मैसाचुसेट्स में अपने केंडल स्क्वायर कार्यालय से त्वरित सामग्री डिजाइन और डिस्कवरी कार्यक्रम। उन्होंने 9 अक्टूबर को एमआईटी सामग्री अनुसंधान प्रयोगशाला के सामग्री दिवस संगोष्ठी में मुख्य भाषण दिया।

स्टोरी का कहना है, ''पारंपरिक वाहन से इलेक्ट्रिक वाहनों की ओर तेजी से बदलाव शुरू हो गया है।'' "और हम इसे तेज़ गति से होने में सक्षम बनाना चाहते हैं।"

स्टोरी ने कहा, "टीआरआई में हमारी भूमिका उत्सर्जन मुक्त वाहनों के विकास में तेजी लाने के लिए उपकरण विकसित करना है।" उन्होंने कहा कि मशीन लर्निंग उन नवाचारों को गति देने में मदद कर रही है, लेकिन चुनौतियाँ बहुत बड़ी हैं, इसलिए उनकी टीम को इस बारे में थोड़ा विनम्र होना होगा कि वह वास्तव में क्या हासिल कर सकती है।

विद्युतीकरण ऑटोमोटिव उद्योग के लिए चार "बाधाओं" में से एक है, जिन्हें अक्सर संक्षिप्त रूप में CASE (कनेक्टेड, स्वायत्त, साझा, इलेक्ट्रिक) कहा जाता है। स्टोरी ने कहा, "यह उद्योग के लिए विघटनकारी है क्योंकि टोयोटा के पास दहन इंजन को अनुकूलित करने का दशकों का अनुभव है।" “हम जानते हैं कि यह कैसे करना है; यह विश्वसनीय है; यह किफायती है; यह हमेशा के लिए रहता है. वास्तव में, टोयोटा ब्रांड का दिल दहन इंजन और ट्रांसमिशन की गुणवत्ता है।

स्टोरी ने कहा कि जैसे-जैसे समाज विद्युतीकरण - बैटरी या ईंधन सेल वाहनों - की ओर बढ़ रहा है, नई क्षमता, प्रौद्योगिकी और जानकारी की आवश्यकता है। स्टोरी का कहना है, "हालांकि टोयोटा के पास इन क्षेत्रों में काफी अनुभव है, फिर भी अगर हम इस तरह का बदलाव करना चाहते हैं तो हमें तेजी से आगे बढ़ने की जरूरत है।"

उस तेजी में मदद करने के लिए, टोयोटा रिसर्च इंस्टीट्यूट 10 शैक्षणिक संस्थानों में लगभग 125 प्रोफेसरों, पोस्टडॉक्स और स्नातक छात्रों के अनुसंधान का समर्थन करने के लिए प्रति वर्ष 10 मिलियन डॉलर प्रदान कर रहा है। उस शोध का प्रति वर्ष लगभग $2 मिलियन खर्च हो रहा है एमआईटी में किया गया. स्टोरी मैकेनिकल इंजीनियरिंग के प्रोफेसर भी हैं ओलिन कॉलेज ऑफ इंजीनियरिंग.

उदाहरण के लिए, बैटरी मूल्यांकन और प्रारंभिक भविष्यवाणी (बीईईपी) परियोजना, जो एमआईटी और स्टैनफोर्ड विश्वविद्यालय के साथ एक टीआरआई सहयोग है, का उद्देश्य लिथियम-आधारित बैटरी सिस्टम के मूल्य का विस्तार करना है। प्रयोगों में, कई बैटरियों को एक ही समय में चार्ज और डिस्चार्ज किया जाता है। “अकेले उस डेटा से, चार्ज और डिस्चार्ज डेटा से, हम सुविधाएँ निकाल सकते हैं। यह अत्यंत व्यावहारिक है क्योंकि हमें डेटा मिलता है। हम डेटा से सुविधाएँ निकालते हैं, और हम उन सुविधाओं को जीवनकाल के साथ सहसंबंधित कर सकते हैं," स्टोरी ने समझाया।

यह जांचने का पारंपरिक तरीका है कि कोई बैटरी एक हजार चक्रों तक चलेगी या नहीं, इसे एक हजार बार चक्रित करना है। स्टोरी ने नोट किया कि यदि प्रत्येक चक्र में एक घंटा लगता है, तो एक बैटरी को 1,000 घंटे के परीक्षण की आवश्यकता होती है। "हम जो करना चाहते हैं वह उस समय को बहुत पीछे लाना है, और इसलिए हमारा लक्ष्य इसे पांच में करने में सक्षम होना है - पांच बार साइकिल चलाना और एक अच्छा अनुमान प्राप्त करना कि 1,000 चक्रों में बैटरी का जीवनकाल क्या होगा, इसे पूरी तरह से करना डेटा,'स्टोरी ने कहा।

प्रकाशित परिणाम in प्रकृति ऊर्जा मार्च 2019 में पहले पांच चार्ज/डिस्चार्ज चक्रों से लिथियम-आयन बैटरियों को वर्गीकृत करने में डेटा का उपयोग करके केवल 4.9 प्रतिशत परीक्षण त्रुटि दिखाई गई।

स्टोरी ने कहा, "यह एक अच्छी क्षमता है क्योंकि यह वास्तव में परीक्षण में तेजी लाने की अनुमति देती है।" "यह मशीन लर्निंग का उपयोग कर रहा है, लेकिन यह वास्तव में डिवाइस पैमाने पर 'निर्मित' बैटरी का उपयोग कर रहा है।"

उन्होंने कहा, क्लाउड-आधारित बैटरी मूल्यांकन सॉफ्टवेयर प्रणाली टीआरआई को एमआईटी, स्टैनफोर्ड और जापान में टोयोटा के घरेलू आधार पर सहयोगियों के साथ आसानी से सहयोग करने की अनुमति देती है।

प्रोग्राम शोधकर्ता इसे बंद-लूप, अर्ध-स्वायत्त तरीके से संचालित करते हैं, जहां कंप्यूटर अगले सर्वोत्तम प्रयोग का निर्णय लेता है और उसे क्रियान्वित करता है। सिस्टम उन चार्जिंग नीतियों को ढूंढता है जो साहित्य में प्रकाशित की गई नीतियों से बेहतर हैं, और यह उन्हें तेजी से ढूंढता है। "इसकी कुंजी प्रारंभिक भविष्यवाणी मॉडल है, क्योंकि अगर हम जीवनकाल की भविष्यवाणी करना चाहते हैं, तो हमें पूरा परीक्षण करने की ज़रूरत नहीं है।" स्टोरी ने कहा कि बंद-लूप परीक्षण "वैज्ञानिकों को इस संदर्भ में एक स्तर ऊपर खींचता है कि वे क्या प्रश्न पूछ सकते हैं।"

टीआरआई इस बंद-लूप बैटरी मूल्यांकन प्रणाली का उपयोग बैटरी के पहले चार्ज/डिस्चार्ज चक्र को अनुकूलित करने के लिए करना चाहता है, जिसे फॉर्मेशन साइक्लिंग कहा जाता है। स्टोरी ने बताया, "जब बच्चा हो तो यह बैटरी की देखभाल करने जैसा है।" “आप उन पहले चक्रों को कैसे करते हैं, यह वास्तव में इसे उसके शेष जीवन के लिए निर्धारित करता है। यह एक वास्तविक काली कला है, और आप इस प्रक्रिया को कैसे अनुकूलित करते हैं?"

टीआरआई का दीर्घकालिक लक्ष्य बैटरी स्थायित्व में सुधार करना है ताकि उपभोक्ता के दृष्टिकोण से, बैटरी की क्षमता कभी कम न हो। स्टोरी ने इस बात पर जोर दिया कि "हम चाहते हैं कि कार की बैटरी हमेशा चलती रहे।"

स्टोर नोट्स टीआरआई दो अन्य अनुसंधान परियोजनाओं का भी संचालन कर रहा है, टोयोटा के मिराई जैसे ईंधन सेल वाहनों के लिए उत्प्रेरक में सुधार करने के लिए कैलटेक के साथ एआई-असिस्टेड कैटलिसिस एक्सपेरिमेंटेशन (एसीई), और एक सामग्री संश्लेषण परियोजना, ज्यादातर टीआरआई के भीतर, मशीन लर्निंग का उपयोग करके यह पहचानने के लिए कि क्या या नहीं, कंप्यूटर पर पूर्वानुमानित नई सामग्रियों के संश्लेषित होने की संभावना है।

सामग्री संश्लेषण परियोजना के लिए, टीआरआई ने सामग्री के चरण आरेखों के साथ शुरुआत की। “आप कम्प्यूटेशनल डेटाबेस में मौजूद प्रत्येक सामग्री का एक नेटवर्क बनाते हैं और नेटवर्क की विशेषताओं को देखते हैं। यह विश्वास करना कि किसी तरह वे सामग्रियां इस नेटवर्क में संबंधों के माध्यम से अन्य सामग्रियों से जुड़ी हुई हैं, संश्लेषण क्षमता की भविष्यवाणी प्रदान करती हैं," स्टोरी ने समझाया। “जिस तरह से आप एल्गोरिदम को प्रशिक्षित कर सकते हैं वह उस ऐतिहासिक रिकॉर्ड को देखकर है जब कुछ सामग्रियों को संश्लेषित किया गया था। आप वस्तुतः घड़ी को पीछे घुमा सकते हैं, केवल वही जानने का दिखावा कर सकते हैं जो आप 1980 में जानते थे, और उसका उपयोग अपने एल्गोरिदम को प्रशिक्षित करने के लिए कर सकते हैं। ए रिपोर्ट सामग्री संश्लेषण नेटवर्क पर मई में प्रकाशित किया गया था संचार प्रकृति.

टीआरआई एक परियोजना पर लॉरेंस बर्कले नेशनल लेबोरेटरी (एलबीएनएल) और एमआईटी प्रोफेसर मार्टिन जेड बजेंट के साथ सहयोग कर रहा है, जो 4 डी स्कैनिंग टनलिंग इलेक्ट्रॉन माइक्रोस्कोपी के माध्यम से सामने आए बैटरी कणों के अत्यधिक विस्तृत यांत्रिकी को एक सातत्य मॉडल के साथ जोड़ता है जो बड़े पैमाने पर सामग्री गुणों को कैप्चर करता है। स्टोरी ने कहा, "यह प्रोग्राम सातत्य पैमाने पर प्रतिक्रिया गतिकी और थर्मोडायनामिक्स का पता लगाता है, जो अन्यथा अज्ञात है।"

स्टोरी ने बताया, "हम अपने सॉफ़्टवेयर टूल ऑनलाइन डाल रहे हैं, इसलिए आने वाले वर्ष में इनमें से कई टूल उपलब्ध होने लगेंगे।" एलबीएनएल द्वारा होस्ट किया गया, प्रोपनेट सामग्री डेटाबेस पहले से ही आंतरिक सहयोगियों के लिए पहुंच योग्य है। मैटस्कॉलर के माध्यम से पहुँचा जा सकता है GitHub. दोनों परियोजनाओं को टीआरआई द्वारा वित्त पोषित किया गया था।

स्टोरी ने कहा, "हमारा सपना, जिस पर काम प्रगति पर है, एक ऐसा सिस्टम आर्किटेक्चर बनाना है जो इन सभी परियोजनाओं पर निर्भर हो और उन्हें एक साथ जोड़ना शुरू कर सके।" “हम एक ऐसा सिस्टम बना रहे हैं जो शुरू से ही मशीन लर्निंग के लिए बनाया गया है, विविध डेटा की अनुमति देता है, सिस्टम और परमाणु-पैमाने पर माप की अनुमति देता है, और एआई-संचालित फीडबैक और स्वायत्तता के इस विचार में सक्षम है। विचार यह है कि आप सिस्टम लॉन्च करें और यह अपने आप चलता है, और सहयोग को सक्षम करने के लिए सब कुछ क्लाउड में रहता है।