Trong bối cảnh nhu cầu lưu trữ năng lượng ngày càng tăng do sự phát triển của xe điện, năng lượng tái tạo và các thiết bị di động, pin lithium-ion đã trở thành công nghệ chủ đạo nhờ mật độ năng lượng cao và hiệu suất ổn định. Tuy nhiên, loại pin này đối mặt với nhiều thách thức lớn, bao gồm chi phí sản xuất cao do nguồn lithium khan hiếm, tác động môi trường từ khai thác mỏ, và rủi ro an toàn như cháy nổ.

Theo các báo cáo từ Tổ chức Năng lượng Quốc tế (IEA), nhu cầu lithium dự kiến tăng gấp 40 lần vào năm 2040, dẫn đến áp lực lên chuỗi cung ứng toàn cầu. Do đó, việc tìm kiếm các lựa chọn thay thế bền vững hơn, sử dụng các nguyên tố phong phú như natri, magiê hoặc canxi, trở nên cấp thiết. Trí tuệ nhân tạo (AI) đang nổi lên như một công cụ mạnh mẽ để thúc đẩy quá trình này, bằng cách sàng lọc nhanh chóng hàng triệu cấu trúc vật liệu tiềm năng mà phương pháp thí nghiệm truyền thống không thể đạt được. Bài viết này sẽ khám phá cách AI được áp dụng trong nghiên cứu gần đây tại Viện Công nghệ New Jersey (NJIT), đồng thời mở rộng với các ví dụ khác từ quốc tế, nhằm làm rõ tiềm năng của công nghệ này trong lĩnh vực lưu trữ năng lượng.

Nghiên cứu tại NJIT, dẫn đầu bởi Giáo sư Dibakar Datta, đại diện cho một bước tiến quan trọng trong việc sử dụng AI để phát hiện vật liệu mới cho pin ion đa hóa trị (multivalent-ion batteries). Pin loại này sử dụng các ion mang nhiều điện tích dương hơn, chẳng hạn như magiê (Mg²⁺), canxi (Ca²⁺), nhôm (Al³⁺) hoặc kẽm (Zn²⁺), có khả năng lưu trữ năng lượng lớn hơn lithium-ion (Li⁺) nhờ mật độ điện tích cao. Tuy nhiên, kích thước lớn và điện tích mạnh của các ion này khiến chúng khó di chuyển hiệu quả trong cấu trúc vật liệu thông thường, dẫn đến hiệu suất thấp và tuổi thọ ngắn. Để khắc phục, nhóm nghiên cứu đã phát triển một hệ thống AI kép, kết hợp mô hình Crystal Diffusion Variational Autoencoder (CDVAE) và mô hình Ngôn ngữ Lớn (LLM) được tinh chỉnh.

Mô hình CDVAE, được huấn luyện trên bộ dữ liệu lớn gồm các cấu trúc tinh thể đã biết, có khả năng tạo ra các vật liệu mới với đa dạng cấu trúc xốp, mở rộng không gian khám phá vượt xa khả năng thí nghiệm thủ công. Trong khi đó, LLM được điều chỉnh để đánh giá tính ổn định nhiệt động học của các vật liệu đề xuất, đảm bảo chúng có thể được tổng hợp thực tế mà không cần thử nghiệm lặp lại nhiều lần. Kết quả, hệ thống AI này đã khám phá hàng ngàn cấu trúc tinh thể mới chỉ trong thời gian ngắn, dẫn đến việc xác định năm vật liệu oxide kim loại chuyển tiếp xốp hoàn toàn mới. Những vật liệu này có kênh mở lớn, cho phép ion đa hóa trị di chuyển dễ dàng, từ đó cải thiện hiệu suất pin. Giáo sư Datta nhấn mạnh: "Phương pháp AI này không chỉ giải quyết vấn đề thử sai mà còn thiết lập một quy trình khám phá vật liệu nhanh chóng, có thể mở rộng từ điện tử đến các giải pháp năng lượng sạch." Nghiên cứu được công bố trên tạp chí Cell Reports Physical Science, chứng minh rằng AI có thể rút ngắn thời gian phát hiện từ hàng năm xuống chỉ vài tuần.

Ngoài nghiên cứu tại NJIT, AI đã được áp dụng rộng rãi trong các dự án khác nhằm tìm kiếm thay thế cho lithium-ion. Chẳng hạn, tại Microsoft, nhóm nghiên cứu sử dụng AI kết hợp với siêu máy tính để sàng lọc hơn 32 triệu vật liệu vô cơ tiềm năng, xác định một chất điện phân rắn mới có tên N2116, có thể giảm lượng lithium sử dụng tới 70%. Vật liệu này không chỉ cải thiện độ an toàn bằng cách ngăn chặn sự hình thành dendrite (cấu trúc kim loại gây ngắn mạch) mà còn tăng tuổi thọ pin, phù hợp cho pin natri-ion (sodium-ion batteries) – một lựa chọn thay thế sử dụng natri phong phú và rẻ tiền hơn lithium. Theo báo cáo từ NeatPrompts, quá trình này đã đẩy nhanh nghiên cứu tương đương 20 năm, và vật liệu mới đã được chứng minh bằng cách cấp năng lượng cho một bóng đèn LED.

Một ví dụ khác là việc sử dụng AI trong phát triển pin natri-ion tại các phòng thí nghiệm ở Trung Quốc và Hàn Quốc. Các nhà khoa học đã áp dụng mạng nơ-ron sâu (Deep Neural Network – DNN) để dự đoán các chỉ số chính như dung lượng và độ ổn định của vật liệu điện cực. Nghiên cứu công bố trên tạp chí Energy Storage Materials cho thấy AI có thể xác định các hợp chất natri-based với hiệu suất cao hơn, giảm chi phí sản xuất xuống dưới 50% so với lithium-ion. Tương tự, tại Đại học Stanford, AI được sử dụng để phát hiện vật liệu ngăn chặn dendrite trong pin trạng thái rắn (solid-state batteries), tăng cường an toàn và mật độ năng lượng lên gấp đôi. Những tiến bộ này không chỉ tập trung vào hiệu suất mà còn nhấn mạnh tính bền vững, giảm phụ thuộc vào các kim loại hiếm và giảm thiểu tác động môi trường từ khai thác.

Hơn nữa, AI đang thay đổi cách tiếp cận nghiên cứu vật liệu bằng cách tích hợp học máy (machine learning) với mô phỏng lượng tử. Các nền tảng như Materials Project của Bộ Năng lượng Mỹ sử dụng AI để dự đoán tính chất của hàng triệu vật liệu, hỗ trợ phát triển pin lưu huỳnh (sulfur batteries) hoặc pin kẽm-không khí (zinc-air batteries), vốn có chi phí thấp và thân thiện với môi trường. Theo Interesting Engineering, sự kết hợp này đã dẫn đến việc phát hiện các vật liệu xốp mới cho pin multivalent, tương tự nghiên cứu NJIT, với tiềm năng lưu trữ năng lượng cao hơn 30% so với lithium-ion. Tuy nhiên, thách thức vẫn tồn tại, bao gồm việc xác thực thí nghiệm và mở rộng sản xuất, đòi hỏi sự hợp tác giữa AI và các phương pháp truyền thống.

AI đang cách mạng hóa lĩnh vực lưu trữ năng lượng bằng cách thúc đẩy việc phát hiện nhanh chóng các vật liệu thay thế cho pin lithium-ion, mang lại hy vọng cho một tương lai bền vững hơn. Từ nghiên cứu tiên phong tại NJIT với năm vật liệu mới cho pin multivalent đến các dự án của Microsoft và các phòng thí nghiệm khác, AI không chỉ giảm thời gian và chi phí mà còn mở ra các lựa chọn sử dụng nguyên tố phong phú, giảm thiểu rủi ro môi trường và kinh tế. Với sự phát triển liên tục của công nghệ AI, chúng ta có thể mong đợi thêm nhiều đột phá, góp phần vào chuyển đổi năng lượng toàn cầu. Tuy nhiên, cần đầu tư thêm vào nghiên cứu thực nghiệm để đưa các phát hiện này vào ứng dụng thực tế, đảm bảo an toàn và hiệu quả lâu dài.

P.A.T (NASTIS)

Tài Liệu Tham Khảo

1. ScienceDaily. (2025, August 2). AI just found 5 powerful materials that could replace lithium batteries. https://www.sciencedaily.com/releases/2025/08/250802022915.htm
2. Interesting Engineering. (2025, July 31). AI speeds up discovery of 'new' materials as lithium-ion alternatives. https://interestingengineering.com/energy/ai-multivalent-battery-discovery-njit
3. SciTechDaily. (2025, August 5). AI Just Found the Future of Batteries, And It's Not Lithium. https://scitechdaily.com/ai-just-found-the-future-of-batteries-and-its-not-lithium/
4. Energy Storage Materials. (2025, July). Accelerating sodium-ion electrode material development through AI-driven predictions. https://www.sciencedirect.com/science/article/pii/S2666546825000692
5. TechExplorist. (2025, July 9). AI-powered material discovery is reshaping the future of batteries. https://www.techexplorist.com/ai-powered-material-discovery-reshaping-future-of-batteries/100128/