Sodyum iyon pillerde iyon difüzyonunun matematiksel modellenmesi ve zaman serisi analiziyle şarj durumu tahmini

Günlük yaşam için daha iyi piller neden önemli

Telefonlardan dizüstü bilgisayarlara, elektrikli arabalardan şebeke ölçeğinde depolamaya kadar modern yaşam giderek şarj edilebilir pillere bağımlı hale geliyor. Günümüzde lityum temelli piller baskın, ancak lityum nispeten nadir ve maliyetli. Buna karşın sodyum ucuz ve bol—mutfak tuzunu düşünün. Bu çalışma, fizik tabanlı matematik ile modern yapay zekayı birleştirerek bir pilin gerçekte ne kadar enerjiye sahip olduğunu, yani şarj durumunu (SOC) nasıl daha güvenli, daha uzun ömürlü ve daha güvenilir biçimde izleyebileceğimizi araştırıyor.

Lityumdan sodyuma: umut vadeden bir alternatif

Lityum iyon piller yüksek enerji yoğunluğu ve uzun ömürleri sayesinde taşınabilir elektronik patlamasını mümkün kıldı. Yine de kaynak erişilebilirliği, maliyet ve sürdürülebilirlik endişeleri sodyum iyon pillere yönelik ilgiyi körükledi; sodyum benzer şekilde çalışır ancak çok daha yaygın bulunur. Sodyum iyon teknolojisi hâlâ olgunlaşıyor ve geniş ölçekte uygulanmadan önce engelleri aşmak zorunda. En büyük zorluklardan biri şarj durumunu (SOC) doğru tahmin etmek—temelde pilin “yakıt göstergesi.” Zayıf SOC tahminleri pil ömrünü kısaltabilir, elektrikli araçlarda menzili azaltabilir ve hatta güvenlik riskleri yaratabilir. Geleneksel yöntemler SOC’yi çoğunlukla gerginlik ölçümlerinden çıkarıyor; bu ölçümler gerçek dünya koşullarında gürültülü ve yanıltıcı olabilir.

Pilin içindeki iyon hareketini izlemek

Daha sadık bir “yakıt göstergesi” oluşturmak için yazarlar sodyum iyonlarının pilin katı elektrotları içinde mikroskobik düzeyde nasıl hareket ettiğinden başlıyor. Elektrot malzemesini oluşturan küçük küresel parçacıkların içinden sodyum iyonlarının nasıl difüze olduğunu klasik bir difüzyon denklemiyle modelliyorlar. Bu denklemi boyutsuz forma çevirerek iyonların ne kadar hızlı hareket ettiğini ve şarj-boşalma sırasında nerede biriktiğini kontrol eden birkaç temel parametreyi öne çıkarıyorlar. Ağır sayısal simülasyonlara dayanmaktansa ekip, iyon konsantrasyon profilleri için kompakt formüller elde etmek üzere Laplace tabanlı Hermite Çakışım Yöntemi (LT-HCM) adlı yarı-analitik bir teknik uyguluyor. Bu çözümler daha sonra iyi bilinen bir sayısal şema olan sonlu fark yöntemiyle karşılaştırılıyor ve mükemmele yakın uyum göstererek difüzyon modelinin güvenilir olduğunu ortaya koyuyor.

Bir sinir ağına pilin “hayati bulgularını” okumayı öğretmek

Bu fizik tabanlı modelle donanmış olarak araştırmacılar, farklı şarj koşulları altında iyon konsantrasyonlarının ve SOC’nin zaman içinde nasıl evrildiğini gösteren büyük, temiz bir veri seti üretiyor. Ardından bu zaman serilerini destek vektör regresyonu, Gaussian süreç regresyonu ve gradyan güçlendirmeli ağaçlar da dahil olmak üzere birkaç makine öğrenimi yaklaşımına veriyorlar; ancak dizi verileriyle başa çıkmak üzere tasarlanmış bir tür yinelemeli sinir ağı olan uzun-kısa süreli hafıza (LSTM) ağlarına odaklanıyorlar. LSTM, evrilen iyon konsantrasyonlarını hem negatif hem pozitif elektrotlardaki SOC’ye eşlemeyi öğreniyor. Ayrı eğitim ve test veri bölmeleri üzerinde eğitim ve hata takibi yaparak, LSTM’nin daha basit modellerin kaçırdığı difüzyondaki ince, uzun vadeli eğilimleri yakaladığını gösteriyorlar. Test edilen tüm yöntemler arasında LSTM, SOC tahmini için en düşük hata değerlerini veriyor.

Modeller pil davranışı hakkında neler ortaya koyuyor

Fizik ve yapay zekanın birleştiği çerçeve, şarj ve deşarj sırasında sodyum iyonlarının pil içinde nasıl yeniden düzenlendiğine dair ayrıntılı bir tablo sunuyor. Şarja başlandığında iyonlar negatif elektrota yavaşça girer, önce yüzeye yakın bölgede daha güçlü birikim olur, sonra içeri doğru yayılır. Daha yüksek akım altında iyonlar daha hızlı birikir, daha keskin konsantrasyon gradyanları ve daha yüksek iç direnç oluşur. Pil tam doluluğa yaklaşırken difüzyon yavaşlar, direnç yükselir ve SOC artışı düzleşir—hem LT-HCM çözümlerinde hem de LSTM tahminlerinde yeniden üretilen özellikler. Deşarj sırasında tersine döner: SOC düzenli olarak düşer, sonra bir elektrot tükenmeye veya diğeri doymaya yaklaşınca daha keskin düşüşler görülür; bu da kullanılabilir kapasitenin pratik sınırlarını işaret eder.

Sodyum iyon piller için daha net, daha akıllı bir yakıt göstergesi

Uzman olmayanlar için ana mesaj, iyon hareketinin matematiksel tanımlarını zaman desenlerini tanıyan öğrenme algoritmalarıyla birleştirmenin çok daha keskin ve güvenilir bir pil “yakıt göstergesi” sağladığıdır. SOC’yi yalnızca gerilimden çıkarmak yerine bu hibrit yöntem pilin iç işleyişine daha derinlemesine bakar; iyon konsantrasyonu ve yük dağılımını doğrudan izler. Sonuç, mütevazı hesaplama çabasıyla son derece doğru SOC tahmini olup, sodyum iyon pillerin daha güvenli çalışmasına, daha uzun ömürlü olmasına ve elektrikli araçlar ile yenilenebilir enerji sistemlerine daha iyi entegrasyonuna yardımcı olabilir—daha sürdürülebilir bir pil geleceğini gerçeğe daha da yaklaştırır.

Atıf: 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

Anahtar kelimeler: sodyum iyon piller, şarj durumu, pil modelleme, makine öğrenimi, LSTM