Factorial präsentiert KI-Plattform „Gammatron“ zur Entwicklung von Batterien
Factorial mit Hauptsitz in Boston, hat sich auf Festkörperbatterien spezialisiert, bei denen der flüssige Elektrolyt durch einen festen ersetzt wird. Das Unternehmen zählt. Mercedes-Benz, Stellantis und Hyundai-Kia zu seinen wichtigsten Partnern. Die Vision des Unternehmens ist es, mit Energiedichten von bis zu 450 Wh/kg Elektroautos eine Reichweite von rund 1.000 Kilometern zu ermöglichen.
Um die Forschung an den Festkörperbatterien zu beschleunigen, hat Factorial nun Gammatron entwickelt, eine KI-gestützte Digital-Twin-Plattform für schnellere Batterieinnovationen vom Labor bis zur Straße. Die Lösung wurde intern entwickelt, um Engpässe in der Forschung und Entwicklung zu überwinden, und ermöglicht eine fortschrittliche Lebensdauerprognose, optimierte Ladeprotokolle und eine intelligentere Elektrolytentdeckung für verschiedene Batteriechemien, wie das Unternehmen mitteilt.
Im Gegensatz zu herkömmlichen KI-Plattformen, die sich auf die Modellierung auf Systemebene fokussieren, verbindet Gammatron Elektrochemie, Thermodynamik und Labordaten, um das Batterieverhalten sowohl auf Material- als auch auf Zellsystemebene zu simulieren und zu optimieren.
„Die Validierung eines neuen Zelldesigns kann Jahre dauern, aber mit Gammatron haben wir gezeigt, dass wir diesen Zeitrahmen drastisch verkürzen können – indem wir die langfristige Leistung bereits nach zwei Wochen früher Tests prognostizieren, anstatt wie üblich nach drei bis sechs Monaten”, sagte Siyu Huang, CEO von Factorial. „Durch die Kombination von Automatisierung und datengestützten Erkenntnissen beschleunigen wir die Entwicklung mit größerer Geschwindigkeit und Kontrolle.”
Die Plattform bietet drei Kernfunktionen: Ein KI-gesteuerter digitaler Zwilling für Batteriezellen kann genaue Vorhersagen zum Zustand der Zellen liefern und die Optimierung des Schnellladevorgangs beschleunigen. Weiterhin wird die Elektrolytformulierung durch molekulare Modellierung und maschinelles Lernen beschleunigt. Und obendrauf kommt noch eine physikbasierte Modellierung zur Simulation des internen Batterieverhaltens, einschließlich Belastung, Wärme und Degradation, die bei Tests nicht direkt beobachtet werden können.
Gammatron wurde laut dem Unternehmen bereits bei der gemeinsamen Entwicklung von Factorial und Stellantis eingesetzt und soll dabei geholfen haben, die Batterieleistung vor Abschluss der vollständigen Tests vorherzusagen – ein entscheidender Faktor für die vorzeitige Fertigstellung des Validierungsprogramms. In einigen Fällen hat die mit Gammatron ermöglichte Protokolloptimierung die Lebensdauer verdoppelt, ohne die Zellchemie zu verändern.
„Batterien sind komplexe dynamische chemische Systeme. Gammatron kombiniert maschinelles Lernen mit wissenschaftlichem Feature Engineering. Während die meisten Plattformen mit oberflächlichem maschinellem Lernen an ihre Grenzen stoßen, geht Gammatron tiefer und zeigt Ingenieuren, welche Material- und Designänderungen eine längere Lebensdauer und höhere Leistung ermöglichen“, sagte Raimund Koerver, VP of Business Development bei Factorial. „Es geht nicht nur darum, Ergebnisse vorherzusagen, sondern darum, bessere Ergebnisse zu ermöglichen.“
0 Kommentare