Συνεντεύξεις
Mathias Ingvarsson, ιδρυτής και διευθύνων σύμβουλος της Holyvolt – Σειρά συνεντεύξεων

Βασικά σημείαΤο πλεονέκτημα της Holyvolt είναι 18 χρόνια ιδιόκτητων δεδομένων μπαταρίας που οι…
Δείτε περισσότερα
- Το πλεονέκτημα της Holyvolt είναι 18 χρόνια ιδιόκτητων δεδομένων μπαταρίας που οι ανταγωνιστές δεν μπορούν απλώς να κατεβάσουν.
- Οι αποτυχημένες συνθέσεις γίνονται δεδομένα εκπαίδευσης μόνο όταν αναπαραγώγιμες εργαστηριακές διαδικασίες διαχωρίζουν τις πραγματικές χημικές αποτυχίες από τις ανωμαλίες δοκιμών.
- Η τεχνητή νοημοσύνη μείωσε μια εργασία πειραματικού σχεδιασμού από έξι εβδομάδες σε οκτώ λεπτά, αλλά οι επιστήμονες εξακολουθούν να σχεδιάζουν και να κρίνουν πειράματα.
Ο Mathias Ingvarsson είναι ιδρυτής και διευθύνων σύμβουλος της Holyvolt, την οποία ίδρυσε το 2022 για να διερευνήσει νέες προσεγγίσεις στην τεχνολογία μπαταριών. Η επαγγελματική του πορεία περιλαμβάνει τη διεθνή επέκταση της Tempur-Pedic και επιχειρηματικές δραστηριότητες σε διάφορους κλάδους. Στη Holyvolt, εστιάζει στη σύνδεση της επιστημονικής τεχνογνωσίας, των πειραματικών δεδομένων και των παραγωγικών δυνατοτήτων, με στόχο την επιτάχυνση της ανάπτυξης υλικών για μπαταρίες, μεταξύ άλλων μέσω της εξαγοράς της Wildcat Discovery Technologies.
Η Holyvolt αναπτύσσει τεχνολογίες παραγωγής και αποθήκευσης ενέργειας, συνδυάζοντας την ταχεία ανακάλυψη υλικών με μεθόδους ακριβούς μεταξοτυπικής εκτύπωσης στην παραγωγή. Μέσω της Wildcat Discovery Technologies, η πλατφόρμα έρευνας μπαταριών της συνδέει τα εργαστηριακά πειράματα, τα ιστορικά δεδομένα δοκιμών και την ανάπτυξη υλικών με τη βοήθεια της ΤΝ. Σε αυτή τη συνέντευξη, ο Ingvarsson συζητά πώς οι επιστήμονες χρησιμοποιούν τη μηχανική μάθηση παράλληλα με τα φυσικά πειράματα, γιατί οι αποτυχημένες συνθέσεις μπορούν να αποτελέσουν πολύτιμα δεδομένα και τι απαιτείται για να περάσουμε από ταχύτερες προβλέψεις σε υλικά που έχουν επικυρωθεί και σε παραγωγή μεγάλης κλίμακας.
Η επαγγελματική σας πορεία περιλαμβάνει τη διεθνή επέκταση της Tempur-Pedic και αρκετές επιχειρηματικές δραστηριότητες. Τι σας οδήγησε να ιδρύσετε τη Holyvolt το 2022 και ποια ευκαιρία στην τεχνολογία μπαταριών σάς έπεισε να δημιουργήσετε μια εταιρεία σε έναν τόσο απαιτητικό τεχνικά κλάδο;
Έχω δημιουργήσει επιχειρήσεις σε πολλούς κλάδους, από τα στρώματα μέχρι τα εσώρουχα, οπότε οι μπαταρίες μπορεί να φαίνονται ένα ασυνήθιστο επόμενο βήμα. Πάντα, όμως, με έλκυαν οι κλάδοι όπου διέκρινα μια ευκαιρία που οι άλλοι δεν έβλεπαν.
Όταν ξεκίνησα τη Holyvolt, ήξερα πολύ λίγα για τη χημεία των μπαταριών και πιστεύω ότι αυτό με βοήθησε. Μερικές φορές, το να μη γνωρίζεις όλους τους λόγους για τους οποίους κάτι δεν μπορεί να γίνει είναι υπερδύναμη. Ο Jensen Huang είπε κάποτε ότι, αν ήξερε πόσο δύσκολο θα ήταν να δημιουργήσει τη Nvidia, πιθανότατα δεν θα είχε ξεκινήσει. Μπορώ να το καταλάβω.
Αυτό που έβλεπα ήταν μια δυτική βιομηχανία μπαταριών που προσπαθούσε να νικήσει την Κίνα σε ένα παιχνίδι που η Κίνα είχε ήδη κερδίσει. Ο κλάδος επένδυε δισεκατομμύρια προσπαθώντας να αναπαραγάγει τεχνολογία την οποία η Κίνα είχε περάσει δεκαετίες τελειοποιώντας. Δεν μπορούσα να καταλάβω γιατί δεν καταβάλλαμε την ίδια προσπάθεια για να αναπτύξουμε κάτι καλύτερο. Οι μπαταρίες θα τροφοδοτούν σχεδόν τα πάντα γύρω μας και διέκρινα μια τεράστια ευκαιρία να επανεξετάσουμε τον τρόπο με τον οποίο τις αναπτύσσουμε. Αυτό με οδήγησε να ιδρύσω τη Holyvolt.
Όταν εξετάσατε το ενδεχόμενο εξαγοράς της Wildcat, τι σας έπεισε ότι το ιστορικό των πειραμάτων της θα μπορούσε να αποτελέσει τη βάση μιας πλατφόρμας ανακάλυψης με ΤΝ; Τι χρειαζόταν να διαπιστώσετε για τα δεδομένα, πέρα από τον τεράστιο όγκο τους;
Ο τεράστιος όγκος των δεδομένων τράβηξε αμέσως την προσοχή μου: περισσότερα από 500.000 στοιχεία μπαταριών, τα οποία δοκιμάστηκαν επί 18 χρόνια σε 165 εκατομμύρια κύκλους. Όσο περισσότερο εξετάζαμε τα δεδομένα, τόσο περισσότερο εντυπωσιαζόμασταν από την αυστηρότητα των πειραμάτων και τις σημαντικές ανακαλύψεις που είχε ήδη πετύχει η Wildcat. Είναι εξαιρετικά δύσκολο να αναπαραχθούν δεδομένα αυτού του είδους, τα οποία συλλέγονται με συνέπεια επί δεκαετίες.
Δεν είμαι ειδικός στην επιστήμη των μπαταριών, γι’ αυτό έφερα στην ομάδα ανθρώπους με πολύ περισσότερες γνώσεις από εμένα. Ειδικοί στις μπαταρίες, στην ΤΝ και στην επιστήμη των υλικών ήρθαν να δουν το εργαστήριο και, για να είμαι ειλικρινής, έμειναν έκπληκτοι.
Έπειτα, βλέπει κανείς τις εταιρείες που απευθύνονται στη Wildcat, μεταξύ των οποίων η BMW και άλλες παγκοσμίως γνωστές εταιρείες από ολόκληρη την αλυσίδα αξίας. Πρόκειται για εταιρείες με τεράστιους προϋπολογισμούς Ε&Α και μερικούς από τους κορυφαίους επιστήμονες στον κόσμο, οι οποίες στρέφονταν στη Wildcat για βοήθεια. Για μένα, αυτό ήταν η απόλυτη επιβεβαίωση. Πείστηκα ότι η Wildcat είχε δημιουργήσει την πιο περιζήτητη πλατφόρμα ανακάλυψης μπαταριών στον κόσμο. Και πιστεύω ότι με την ΤΝ μόλις αρχίζουμε να ανακαλύπτουμε τις δυνατότητές της.
Τα αποτυχημένα πειράματα αποτελούν βασικό στοιχείο του πλεονεκτήματός σας στα δεδομένα. Μπορείτε να δώσετε ένα παράδειγμα του τι μπορεί να μάθει ένα μοντέλο από μια ανεπιτυχή σύνθεση μπαταρίας και πώς ξεχωρίζει η ομάδα σας μια σημαντική χημική αποτυχία από ένα πρόβλημα στον τρόπο διεξαγωγής ενός πειράματος;
Η αποτυχία είναι μέρος της χημείας. Έτσι σημειώνουμε επιστημονική πρόοδο εδώ και εκατοντάδες χρόνια. Δοκιμάζεις κάτι, δεν πετυχαίνει, μαθαίνεις από αυτό και ξαναδοκιμάζεις. Η ΤΝ πρέπει να μαθαίνει με τον ίδιο τρόπο.
Εδώ και 18 χρόνια διεξάγουμε πειράματα μπαταριών υψηλής διεκπεραιωτικής ικανότητας, οπότε τα δεδομένα μας περιλαμβάνουν τα πάντα, από αποτυχημένες συνθέσεις μέχρι υλικά που έχουμε βελτιστοποιήσει με επιτυχία. Αυτό είναι εξαιρετικά πολύτιμο για την εκπαίδευση ενός μοντέλου.
Ας πάρουμε τις μπαταρίες λιθίου-μετάλλου. Σε αντίθεση με τις συμβατικές μπαταρίες γραφίτη, μπορεί να παρουσιάσουν απότομη πτώση της χωρητικότητας, η οποία είναι πολύ δύσκολο να προβλεφθεί. Έχουμε αναπτύξει μοντέλα μηχανικής μάθησης που χρησιμοποιούν πραγματικά δεδομένα κύκλων φόρτισης και εκφόρτισης μπαταριών, από διαφορετικές συνθέσεις ηλεκτρολυτών, σχεδιασμούς ηλεκτροδίων και πρωτόκολλα δοκιμών, για να προβλέπουν πότε μπορεί να συμβεί αυτή η πτώση.
Τα αρχικά μας μοντέλα μπορούν να προβλέπουν αυτές τις πτώσεις με εύλογο βαθμό βεβαιότητας και σχεδιάζουμε πιο στοχευμένα πειράματα, ενώ δοκιμάζουμε μπαταρίες υπό διαφορετικές συνθήκες, για να βελτιώσουμε τις προβλέψεις.
Φυσικά, αυτά τα δεδομένα έχουν αξία μόνο αν μπορούμε να εμπιστευτούμε τα αποτελέσματα. Εδώ και χρόνια τελειοποιούμε τις εργαστηριακές διαδικασίες μας, ώστε τα πειράματα να είναι εξαιρετικά αναπαραγώγιμα και να ελαχιστοποιούνται τα σφάλματα. Επαναλαμβάνουμε επίσης το ίδιο πείραμα πολλές φορές, ώστε να μπορούμε να διακρίνουμε αν ένα κακό αποτέλεσμα οφείλεται σε πραγματικό πρόβλημα με το υλικό ή σε ανωμαλία κατά τη διαδικασία των δοκιμών. Έτσι, δεν διδάσκουμε στα μοντέλα μας λανθασμένα συμπεράσματα με βάση ένα μεμονωμένο, μη αντιπροσωπευτικό αποτέλεσμα.
Μπορείτε να μας περιγράψετε έναν κύκλο ανακάλυψης, από την πρόταση ενός υλικού από ένα μοντέλο μέχρι τη δοκιμή του στο εργαστήριο και την ενσωμάτωση των αποτελεσμάτων; Ποιες αποφάσεις λαμβάνει η ΤΝ και σε ποια σημεία παραμένει απαραίτητη η κρίση ενός επιστήμονα;
Η διαδικασία ξεκινά από τους επιστήμονές μας. Σχεδιάζουν ένα πείραμα με βάση όσα προσπαθούν να μάθουν και η πλατφόρμα μας, που επιτρέπει τη διεξαγωγή μεγάλου αριθμού πειραμάτων, εκτελεί τις δοκιμές. Στη συνέχεια, οι μηχανικοί μηχανικής μάθησης χρησιμοποιούν αυτά τα αρχικά δεδομένα για να δημιουργήσουν ένα μοντέλο και να εξετάσουν αν μπορεί να προβλέψει τα αποτελέσματα μελλοντικών πειραμάτων.
Έπειτα, ελέγχουμε αυτές τις προβλέψεις στο εργαστήριο. Αν τα αποτελέσματα συμφωνούν, εμπιστευόμαστε περισσότερο το μοντέλο και μπορούμε να το χρησιμοποιήσουμε για να αξιολογήσουμε νέες συνθέσεις. Αν δεν συμφωνούν, οι επιστήμονές μας διερευνούν το γιατί. Μερικές φορές το μοντέλο χρειάζεται περισσότερα δεδομένα, πράγμα που σημαίνει ότι πρέπει να σχεδιάσουμε εντελώς νέα πειράματα ή να κάνουμε δοκιμές υπό διαφορετικές συνθήκες. Τροφοδοτούμε το μοντέλο με αυτά τα αποτελέσματα, το βελτιώνουμε και επαναλαμβάνουμε τη διαδικασία.
Υπάρχει μεγάλος ενθουσιασμός γύρω από την ιδέα ότι η ΤΝ μπορεί να ανακαλύπτει νέα υλικά αυτόνομα, αλλά είμαστε προσεκτικοί ως προς τους ισχυρισμούς μας. Σε αυτό το στάδιο, οι επιστήμονές μας εξακολουθούν να σχεδιάζουν τα πειράματα και να λαμβάνουν τις βασικές αποφάσεις. Η ΤΝ μάς βοηθά να κάνουμε προβλέψεις, ενώ το εργαστήριό μας ελέγχει αν αυτές όντως επιβεβαιώνονται. Συνδυάζοντας την τεχνογνωσία των επιστημόνων μας με την ΤΝ, έχουμε ήδη καταφέρει να μειώσουμε δραστικά τον χρόνο που απαιτείται για ορισμένες εργασίες σχεδιασμού πειραμάτων: από εβδομάδες σε λίγα μόλις λεπτά.
Ένα ιστορικό σύνολο δεδομένων αποτυπώνει τα υλικά που επέλεξαν να διερευνήσουν οι ερευνητές στο παρελθόν. Πώς αποτρέπετε τα μοντέλα σας από το να περιορίζονται σε αυτές τις γνώριμες περιοχές και πώς αποφασίζετε πότε μια άγνωστη χημεία είναι αρκετά υποσχόμενη ώστε να δικαιολογεί τη διεξαγωγή φυσικών δοκιμών;
Αυτή είναι ακριβώς η σωστή ερώτηση και γι’ αυτό πιστεύω ότι το εργαστήριό μας έχει ακόμη μεγαλύτερη αξία από το σύνολο δεδομένων μας.
Ένα μοντέλο μαθαίνει από τα δεδομένα που του δίνετε, επομένως, φυσικά, είναι πιο αξιόπιστο όταν κάνει προβλέψεις για πράγματα που έχει ήδη συναντήσει. Η πραγματική ευκαιρία είναι να χρησιμοποιήσουμε την ΤΝ για να εξερευνήσουμε εντελώς νέους τομείς της χημείας, όπου ενδέχεται να μην υπάρχουν ιστορικά δεδομένα.
Εδώ η πλατφόρμα μας, που επιτρέπει τη διεξαγωγή μεγάλου αριθμού πειραμάτων, μας προσφέρει τεράστιο πλεονέκτημα. Μπορούμε να παράγουμε γρήγορα νέα, αξιόπιστα πειραματικά δεδομένα για εκατοντάδες συνθέσεις, παρέχοντας στα μοντέλα μας τη βάση που χρειάζονται για να μάθουν ακόμη και σε άγνωστους τομείς της χημείας.
Και επειδή μπορούμε να ελέγχουμε τις προβλέψεις στο εργαστήριο, να τροφοδοτούμε τα μοντέλα μας με τα αποτελέσματα και να επαναλαμβάνουμε τη διαδικασία, μπορούμε να βελτιώνουμε συνεχώς την ακρίβειά τους. Κάθε πείραμα καθιστά την επόμενη πρόβλεψη πιο τεκμηριωμένη.
Πιστεύω ότι αυτό είναι το μεγαλύτερο ανταγωνιστικό μας πλεονέκτημα. Διαθέτουμε ιστορικά δεδομένα 18 ετών, αλλά δεν περιοριζόμαστε από αυτά. Έχουμε τη δυνατότητα να παράγουμε τα νέα δεδομένα που χρειαζόμαστε, για να εξερευνήσουμε χημικές ενώσεις που δεν έχουν διερευνηθεί διεξοδικά στο παρελθόν.
Πώς μετράτε τη βελτίωση που οφείλεται συγκεκριμένα στην ΤΝ, πέρα από όσα προσφέρει ήδη ο αυτοματοποιημένος πειραματισμός υψηλής διεκπεραιωτικής ικανότητας; Ποιες συγκρίσεις δείχνουν ότι τα μοντέλα εντοπίζουν καλύτερους υποψήφιους συνδυασμούς ή μειώνουν τον αριθμό των πειραμάτων που απαιτούνται για να επιτευχθεί ένα χρήσιμο αποτέλεσμα;
Αυτή είναι πράγματι μια δύσκολη ερώτηση, γιατί η επιστημονική ανακάλυψη είναι ομαδική προσπάθεια.
Σκεφτείτε μια ομάδα επιστημόνων που ανταλλάσσουν ιδέες για ένα πρόβλημα. Κάποιος μπορεί τελικά να βρει τη λύση, αλλά η ιδέα αυτή μπορεί να προέκυψε έπειτα από ώρες συζήτησης με όλους τους υπόλοιπους στην αίθουσα. Σε ποιον αναλογούν τα εύσημα;
Νομίζω ότι πρέπει να βλέπουμε την ΤΝ με παρόμοιο τρόπο. Είναι ένα ακόμη μέλος της ερευνητικής ομάδας. Μπορεί να βοηθήσει τους επιστήμονες να βρίσκουν γρηγορότερα σχετικές πληροφορίες, να αναγνωρίζουν μοτίβα στα πειραματικά δεδομένα και να κατανοούν ένα πρόβλημα σε μεγαλύτερο βάθος.
Η πλατφόρμα μας, που επιτρέπει τη διεξαγωγή μεγάλου αριθμού πειραμάτων, μάς προσφέρει ήδη τεράστιο πλεονέκτημα ως προς την ταχύτητα εκτέλεσής τους. Τώρα προσπαθούμε να κατανοήσουμε πόσο περισσότερο μπορεί να μας βοηθήσει η ΤΝ. Δεν θέλω να αναφέρω έναν αριθμό που δεν μπορούμε να τεκμηριώσουμε επαρκώς. Αυτό που έχει σημασία είναι αν βοηθάμε τους επιστήμονές μας να καταλήγουν σε καλύτερες απαντήσεις, σε λιγότερο χρόνο και με λιγότερα πειράματα.
Η ανάπτυξη μπαταριών περιλαμβάνει ανταγωνιστικούς στόχους, όπως η ενεργειακή πυκνότητα, η διάρκεια ζωής σε κύκλους φόρτισης, η ασφάλεια, το κόστος και η δυνατότητα μαζικής παραγωγής. Πώς μεταφράζετε αυτούς τους συμβιβασμούς σε στόχους για την ΤΝ και μπορεί η αλλαγή της προβλεπόμενης εφαρμογής να την οδηγήσει σε θεμελιωδώς διαφορετικά υλικά;
Εξαρτάται πραγματικά από τη χρήση για την οποία προορίζεται η μπαταρία. Μια μπαταρία για drone έχει πολύ διαφορετικές απαιτήσεις από μία που προορίζεται για ηλεκτρικό όχημα. Σε μία εφαρμογή μπορεί να δίνεται προτεραιότητα στην ενεργειακή πυκνότητα και σε κάποια άλλη στη διάρκεια ζωής σε κύκλους φόρτισης ή στο κόστος.
Μπορούμε να ορίσουμε αυτούς τους στόχους με αρκετή σαφήνεια. Η ενεργειακή πυκνότητα, η διάρκεια ζωής σε κύκλους φόρτισης, η ασφάλεια και το κόστος μπορούν όλα να μετρηθούν, επομένως μπορούμε να δώσουμε στο μοντέλο συγκεκριμένους στόχους απόδοσης με βάση την εφαρμογή.
Το δύσκολο είναι να ξεκινήσουμε από αυτούς τους στόχους και να καταλήξουμε σε ένα υλικό που μπορεί πράγματι να τους πετύχει.
Η αλλαγή της εφαρμογής μπορεί ασφαλώς να αλλάξει τα υλικά που διερευνούμε. Ωστόσο, οι επιστήμονές μας εξακολουθούν να πρέπει να προσδιορίσουν ποιες χημικές συνθέσεις είναι υποσχόμενες, να σχεδιάσουν τα πειράματα και να ελέγξουν αν αυτά τα υλικά μπορούν να ανταποκριθούν στους στόχους απόδοσης.
Η Holyvolt προωθεί προς την εμπορική αξιοποίηση υλικά καθόδου τύπου διαταραγμένου αλίτη (DRX), χωρίς νικέλιο και κοβάλτιο. Ποιος ήταν ο ρόλος της ΤΝ σε αυτή την εξέλιξη και ποια εναπομείναντα εμπόδια απαιτούν λύσεις στον τομέα της μεταποίησης ή της μηχανικής, πέρα από την ανακάλυψη υλικών;
Το DRX είναι εξαιρετικό παράδειγμα του γιατί έχει σημασία η προσέγγισή μας. Υπάρχει τεράστιος αριθμός πιθανών συνδυασμών υλικών, και ο έλεγχός τους έναν προς έναν θα απαιτούσε χρόνια.
Στη Holyvolt, η πλατφόρμα υψηλής διεκπεραιωτικής ικανότητας μάς επιτρέπει να δοκιμάζουμε γρήγορα εκατοντάδες διαφορετικές συνθέσεις και να κατανοούμε πώς οι μεταβολές στη χημική σύσταση επηρεάζουν την ενεργειακή πυκνότητα, την τάση, τη διάρκεια ζωής της μπαταρίας και την απόδοση. Έχουμε καταφέρει να εντοπίσουμε υποσχόμενα υλικά πολύ ταχύτερα απ’ όσο θα επέτρεπαν οι παραδοσιακές ερευνητικές μέθοδοι.
Τώρα συνδυάζουμε αυτά τα πειραματικά δεδομένα με τη μηχανική μάθηση, ώστε να εντοπίζουμε μοτίβα και να βοηθάμε τους επιστήμονές μας να αποφασίζουν ποιες συνθέσεις θα διερευνήσουν στη συνέχεια. Όσο περισσότερα δοκιμάζουμε, τόσο περισσότερα μαθαίνουμε και τόσο καλύτερα μπορούμε να καθοδηγούμε τα μελλοντικά πειράματα.
Έχουμε ήδη σημειώσει πρόοδο προς την παραγωγή σε εμπορική κλίμακα, και ένα από τα μεγαλύτερα πλεονεκτήματά μας είναι ότι χρησιμοποιούμε καθιερωμένες παραγωγικές διαδικασίες. Δεν χρειάζεται να αναπτύξουμε εντελώς νέο εξοπλισμό ή να επανεφεύρουμε τον τρόπο παραγωγής αυτών των υλικών. Εστιάζουμε στην αύξηση της παραγωγής μαζί με τους συνεργάτες μας, διατηρώντας σταθερή απόδοση και ανταγωνιστικό κόστος.
Έχετε υποστηρίξει ότι τα ιδιόκτητα επιστημονικά δεδομένα μπορούν να αποτελούν ισχυρότερο ανταγωνιστικό πλεονέκτημα από τα ίδια τα μοντέλα. Τι κάνει αυτό το πλεονέκτημα να ενισχύεται σωρευτικά με την πάροδο του χρόνου και πώς συνδυάζετε τη μάθηση από έργα πελατών με την προστασία της εμπιστευτικής έρευνας και της πνευματικής ιδιοκτησίας κάθε πελάτη;
Ορισμένα από τα ισχυρότερα μοντέλα ΤΝ που διατίθενται σήμερα είναι ανοικτού κώδικα και συνεχώς βελτιώνονται. Δεν μπορείς όμως απλώς να κατεβάσεις 18 χρόνια έρευνας για μπαταρίες. Αυτό είναι που κάνει τα δεδομένα μας τόσο πολύτιμα.
Στη Holyvolt, έχουμε δοκιμάσει περισσότερα από 500.000 στοιχεία μπαταρίας σε περισσότερους από 165 εκατομμύρια κύκλους. Γνωρίζουμε ποια υλικά χρησιμοποιήθηκαν, πώς υποβλήθηκαν σε επεξεργασία, πώς απέδωσαν και σε ποια σημεία απέτυχαν. Και επειδή εφαρμόζουμε σταθερές μεθόδους δοκιμών όλα αυτά τα χρόνια, μπορούμε πράγματι να συγκρίνουμε τα αποτελέσματα. Αυτό είναι εξαιρετικά δύσκολο να το αναπαραγάγει οποιοσδήποτε άλλος.
Κάθε πείραμα μάς διδάσκει κάτι. Αυτή η γνώση μάς βοηθά να βελτιώνουμε τα μοντέλα μας, να κάνουμε ακριβέστερες προβλέψεις και να αποφασίζουμε τι θα δοκιμάσουμε στη συνέχεια. Και όσο περισσότερα πειράματα πραγματοποιούμε, τόσο μεγαλύτερη αξία αποκτά αυτή η βάση.
Συνεργαζόμαστε επίσης με μερικές από τις κορυφαίες εταιρείες στον κόσμο, οι οποίες μας εμπιστεύονται ευαίσθητα ερευνητικά δεδομένα. Αντιμετωπίζουμε αυτή την ευθύνη με τη δέουσα σοβαρότητα και έχουμε θεσπίσει ισχυρά μέτρα προστασίας των εμπιστευτικών πληροφοριών και της πνευματικής ιδιοκτησίας.
Καθώς επεκτείνετε την πλατφόρμα, ποιος είναι σήμερα ο μεγαλύτερος περιοριστικός παράγοντας για την ταχύτερη ανακάλυψη: οι δυνατότητες των μοντέλων, η πειραματική ικανότητα, ο χρόνος που απαιτείται για την επικύρωση της διάρκειας ζωής μιας μπαταρίας ή κάτι άλλο; Ποιο μετρήσιμο ορόσημο μέσα στα επόμενα δύο χρόνια θα έδειχνε ότι η ΤΝ αλλάζει τα οικονομικά δεδομένα της ανάπτυξης μπαταριών;
Νομίζω ότι σήμερα το μεγαλύτερο σημείο συμφόρησης είναι ο χρόνος που αφιερώνουν οι επιστήμονες στον σχεδιασμό πειραμάτων και στην ανάλυση των αποτελεσμάτων.
Σκεφτείτε την παραδοσιακή διαδικασία. Ένας επιστήμονας θέτει ένα ερώτημα, σχεδιάζει ένα πείραμα, πραγματοποιεί τις δοκιμές, αναλύει τα δεδομένα και στη συνέχεια αποφασίζει τι θα δοκιμάσει. Έχουμε ήδη αυτοματοποιήσει μεγάλο μέρος των φυσικών δοκιμών μέσω της πλατφόρμας υψηλής διεκπεραιωτικής ικανότητας, όμως η σκέψη που απαιτείται ανάμεσα σε αυτά τα στάδια εξακολουθεί να χρειάζεται πάρα πολύ χρόνο.
Πρόσφατα εφαρμόσαμε ένα σχετικά απλό μοντέλο ΤΝ σε ένα μέρος της διαδικασίας σχεδιασμού πειραμάτων. Μια εργασία που κανονικά θα διαρκούσε έξι εβδομάδες ολοκληρώθηκε σε οκτώ λεπτά. Πρόκειται για ένα πραγματικά εντυπωσιακό αποτέλεσμα, που δείχνει τι είναι εφικτό.
Ωστόσο, η επιτάχυνση του σχεδιασμού πειραμάτων είναι μόνο η αρχή. Καθώς η ΤΝ μάς βοηθά να προσδιορίζουμε ταχύτερα τι πρέπει να δοκιμάσουμε, χρειάζεται επίσης να αυξήσουμε τον ρυθμό με τον οποίο μπορούμε να πραγματοποιούμε αυτά τα πειράματα. Γι’ αυτό σχεδιάζουμε να επεκτείνουμε τις εργαστηριακές μας δυνατότητες και να επενδύσουμε σε περαιτέρω αυτοματοποίηση.
Μέσα στα επόμενα δύο χρόνια, θέλω να δω να επιταχύνεται δραστικά ολόκληρη η διαδικασία ανακάλυψης, από την αρχική ιδέα έως ένα επικυρωμένο υλικό. Αν συνδυάσουμε τη λήψη αποφάσεων με μεγαλύτερη ταχύτητα και τη δυνατότητα να πραγματοποιούμε περισσότερα πειράματα, θα μπορέσουμε να εξερευνήσουμε νέες χημικές συνθέσεις με ρυθμό που μέχρι πρότινος ήταν απλώς αδύνατος. Έτσι μπορεί η ΤΝ να αλλάξει ριζικά τα οικονομικά δεδομένα της ανάπτυξης μπαταριών.
Σας ευχαριστούμε για την εξαιρετική συνέντευξη. Οι αναγνώστες που θέλουν να μάθουν περισσότερα για τα υλικά μπαταριών, τον πειραματισμό υψηλής διεκπεραιωτικής ικανότητας και την ανάπτυξη ενεργειακών τεχνολογιών με τη βοήθεια της ΤΝ, μπορούν να επισκεφθούν τη Holyvolt.












