מִדּוּלַתִי מָתִמָתִי של פיזור יונים וחיזוי מצב מטען בסוללות נתרן-יון בעזרת ניתוח סדרות זמן

מדוע סוללות טובות יותר חשובות לחיי היומיום

מטלפונים וניידים ועד רכבים חשמליים ואחסון בקנה מידה רשת, החיים המודרניים תלויים יותר ויותר בסוללות נטענות. כיום שולטים בקטגוריה סוללות מבוססות ליתיום, אך ליתיום נמצא בכמויות מוגבלות ועלותו גבוהה יחסית. נתרן, בניגוד לכך, זול ושפעתי — חשבו על מלח שולחן רגיל. מחקר זה בוחן איך סוללות נתרן-יון יכולות להיות בטוחות יותר, עמידות יותר ואמינות יותר על ידי שילוב של מתמטיקה מבוססת פיזיקה עם בינה מלאכותית מודרנית כדי לעקוב כמה אנרגיה באמת נשארת בסוללה, כלומר מצב המטען שלה.

מליתיום לנתרן: חלופה מבטיחה

סוללות ליתיום-יון הניעו את פריחתו של האלקטרוניקה הניידת בזכות צפיפות האנרגיה הגבוהה והחיים הארוכים שלהן. עם זאת, חששות לגבי זמינות המשאבים, עלות וקיימות הובילו להתעניינות בסוללות נתרן-יון, שעובדות באופן דומה אך משתמשות בנתרן השכיח בהרבה. טכנולוגיית נתרן-יון עדיין בשלה ומתמודדת עם מכשולים לפני פריסה רחבת היקף. אחד האתגרים הגדולים הוא הערכה מדויקת של מצב המטען (SOC) — במילים פשוטות «מד דלק» של הסוללה. הערכות SOC בלתי מדויקות יכולות לקצר את חיי הסוללה, להפחית טווח נהיגה ברכבים חשמליים ואף לסכן את הבטיחות. שיטות מסורתיות נגזרות בעיקר ממדידות מתח, שיכולות להיות רועשות ומטעות בתנאים בעולם האמיתי.

צפייה בתנועת יונים בתוך הסוללה

כדי לבנות «מד דלק» מהימן יותר, המחברים מתחילים מפיזיקה מיקרוסקופית של תנועת יוני הנתרן בתוך האלקטרודות המוצקות של הסוללה. הם מודלים כיצד יוני נתרן מפזרים פנימה והחוצה מּחלקיקים כדוריים זעירים שמרכיבים את חומר האלקטרודה, באמצעות משוואת פיזור קלאסית. על ידי כתיבה מחודשת של המשוואה בצורה ללא ממדים, הם מדגישים מספר פרמטרים מרכזיים שמוּכוונים את מהירות התנועה והיכן היונים מצטברים בזמן טעינה ופריקה. במקום להסתמך רק על סימולציות נומריות כבדות, הצוות מיישם טכניקה חצי-אנליטית הנקראת שיטת קולוקציה הרמיטית מבוססת לפלס (LT-HCM) כדי לקבל נוסחאות מקומפקטיות לפרופילי ריכוז היונים. פתרונות אלה נבדקים מול סכימה נומרית ידועה — שיטת ההבדלים הסופיים — והם מראים התאמה מצוינת, מה שמגביר את הביטחון שהמודל הפיזורי מדויק.

להכשיר רשת נוירונים לקריאת «סימנים חיוניים» של הסוללה

מוכללים במודל מבוסס-הפיזיקה הזה, החוקרים מייצרים מאגר נתונים גדול ונקי המציג כיצד ריכוזי היונים ו‑SOC משתנים לאורך זמן בתנאי טעינה שונים. הם מזינים סדרות זמן אלה למספר גישות של למידת מכונה — כולל רגרסיית וקטורי תמיכה, רגרסיית תהליכים גאוסיים ועצי חיזוק מדורג — אך מתמקדים ברשתות LSTM, סוג של רשת חוזרת המיועדת לטפל ברצפים. ה‑LSTM לומד למפות את התפתחות ריכוזי היונים ל‑SOC בשני האלקטרודות, השלילית והחיובית. על ידי אימון ובדיקה על חלוקות נתונים נפרדות ובחינת נפילת השגיאה במהלך האימון, הם מראים שה‑LSTM קולט את המגמות העדינות והארוכות טווח של הדיפוזיה שמודלים פשוטים מפספסים. מבין כל השיטות שנבדקו, ה‑LSTM מספק את שגיאות החיזוי הנמוכות ביותר עבור ה‑SOC.

מה המודלים חושפים על התנהגות הסוללה

המסגרת המשולבת של פיזיקה ובינה מלאכותית מציעה תמונה מפורטת של אופן ארגון יוני הנתרן בתוך הסוללה במהלך טעינה ופריקה. בתחילת הטעינה, היונים נכנסים באיטיות לאלקטרודה השלילית, מצטברים חזק יותר בקרבת המשטח לפני שמתרחבים פנימה בהדרגה. תחת זרם גבוה יותר, היונים מצטברים מהר יותר, יוצרים גרדיאנטים ריכוז חדים יותר והתנגדות פנימית גבוהה יותר. ככל שהסוללה מתקרבת למלואה, הדיפוזיה מאטה, ההתנגדות עולה וצמיחת ה‑SOC מתרסקת — תכונות ששתי שיטות ה‑LT-HCM וה‑LSTM משכפלות. במהלך הפריקה מתרחש ההפך: ה‑SOC יורד בעקביות, ואז נופל ביתר חדה כאשר אלקטרודה אחת מתקרבת לריקון והשנייה לרוויה, מה שמצביע על גבולות הקיבולת השימושית בפועל.

מד דלק חכם וברור יותר לסוללות נתרן-יון

ללא מומחיות מיוחדת, המסר המרכזי הוא ששילוב תיאורים מתמטיים של תנועת היונים עם אלגוריתמים לומדים שמזהים תבניות בזמן מניב «מד דלק» חד ואמין בהרבה. במקום להסיק SOC רק ממתח, השיטה ההיברידית קוראת לעומק את פעולות הפנימיות של הסוללה, ועוקבת ישירות אחרי ריכוז היונים ותפלגות המטען. התוצאה היא חיזוי SOC מדויק מאוד עם מאמץ חישובי צנוע, שעשוי לסייע לסוללות נתרן-יון לפעול בבטחה רבה יותר, להימשך זמן רב יותר, ולהיטמע טוב יותר ברכבים חשמליים ובמערכות אנרגיה מתחדשת — ובכך לקרב עתיד סוללות בר-קיימא יותר למציאות.

ציטוט: S., S., Srivastava, N. & Hristov, J. Mathematical modelling of ion diffusion and state of charge prediction in sodium ion batteries with time series analysis. Sci Rep 16, 7534 (2026). https://doi.org/10.1038/s41598-026-37522-x

מילות מפתח: סוללות נתרן-יון, מצב מטען, מִדּוּל סוללה, למידת מכונה, LSTM