Enerjide İnovasyon ve YZ

 

 

M. Nilgün Ercan

Uluslararası Enerji Ajansı’nın Nisan 2025’ te yayımladığı Enerji ve Yapay Zekâ raporunun genel özetine Yapay Zekâ Renklerinin 26. sayısında değinilmişti. Aynı Raporun “Enerji İnovasyonunda YZ” başlıklı 4. Bölümü oldukça önemli bir teknolojik dönüşüm içinde olan enerji sektöründeki gelişmelere YZ’ nin nasıl entegre edileceğine ilişkin ilginç bilgiler veriyor (1).

Son yıllarda, iklim değişikliğini kontrol etme, arz güvenliğini sağlama, ekonomik büyüme gibi gerekçelerle enerji alanında önemli değişiklikler olmakla birlikte sektördeki yenilik hızının yüksek olduğu söylenemez. İnovasyon zaman ve kaynak gerektiren bir süreç; örneğin solar fotovoltaik hücrelerin 1950’lerde başlayan prototiplerinden 1980’lerde tesis düzeyinde kullanılmasına kadar otuz yıl geçti. Li-yon bataryaların 1977’de bulunmasından ticarileşmesine kadar on yıldan fazla bir süre, elektrikli araçların küresel araç piyasasında % 5 seviyesine erişmesi için bir otuz yıl daha gerekti.

Günümüzde YZ temel araştırma ve inovasyon sürecine giderek daha fazla entegre olmaya başlamakla birlikte, YZ’ nin sağlayacağı yararların esas olarak gelecekte ortaya çıkması bekleniyor. Bunlar arasında, daha verimli karbon dioksit yakalama sistemleri, uzun süreli ve kritik malzemelerin daha az kullanıldığı akış bataryaları, su stresine karşı düşük maliyetli ve yüksek verimli tuz giderme (desalinasyon) teknolojileri yer alabilir.

Patentler ve başlangıç (start-up) şirketleri

2015-2022 yılları arasında enerji sektöründe 3300 patent alınmıştır. Bu rakam YZ sektöründeki patentlere kıyasla %70 oranında daha fazladır; bu fark büyük olasılıkla enerji sektöründeki inovatif faaliyetlerde donanıma ait ürünlerin önde olmasından kaynaklanmaktadır.

Buna karşılık, ticarileşme konusuna ve bunun bir göstergesi olarak risk sermayesi akışına bakıldığında farklı bir durum ortaya çıkmaktadır. Enerji alanındaki risk sermayesi YZ sektörüne yönelen risk sermayesinin çok gerisinde kalmıştır. 2024’te enerjiye giden risk sermayesi azalırken toplam risk sermayesi yatırımlarının üçte biri YZ start-up firmalarına yönelmiştir. Genel dijital sektör dikkate alındığında bu fark daha da açılmaktadır.

Şekil 1: Sektörlere göre risk sermayesi fonları Kaynak: IEA.

Cumulative AI and energy patents: Kümülatif YZ ve enerji patentleri VC funding by sector: Sektörlere göre risk sermayesi fonları IPFS: Uluslararası patent aileleri. Dijital sektör, birincil faaliyet alanları mobil uygulamalar, web platformları, şeylerin interneti araçları ve bilgisayar bazlı çözümler gibi dijital teknolojiyi kullanmayı merkeze alan şirketleri temsil etmektedir.

 

Bu farkın bir nedeni, sektörlerdeki piyasa yapısı ve inovasyona ilişkin dinamiklerin farklı olmasından kaynaklanabilir. Enerji sektörü sermaye yoğun, proje gerçekleşme süresi uzun ve büyük ölçekli fiziki altyapı gerektiren bir sektördür.  Buna karşılık, dijital teknoloji sektöründe start-up firmaları enerjiye kıyasla daha düşük sermaye ile işe başlayabilmektedir. Ortaya çıkan eğilimlere yazılım ile getirilen çözümler ve bunların piyasaya sürülmesi daha hızlı gerçekleşmektedir. YZ modellerinin öğrenimi ve işletilmesi için sermaye gereksinimi giderek artsa da veri merkezi yatırımları modüler olup başka amaçlarla da kullanılabilmektedir.

2020-2022 yılları arasında enerji ile ilgili patentlerin ancak yaklaşık %1’ inde patenti alınan inovasyonda YZ kullanımına referans verilmektedir.  Bu oran yenilenebilir enerji ve fosil yakıt alanlarında çok farklı değildir. Enerji patentlerinde YZ kullanımı tıbbi aletler ve görüntüleme alanlarındakinin ancak dörtte biri civarındadır. 2020-2024 arasında YZ bağlantılı start-up fonlarının oranı, yaşam bilimlerinde %7, tarımda %4 iken enerjide ancak %2 düzeyindedir.

Bu durumda bazı etkenler rol oynamaktadır. Enerji ve YZ uygulamalarının biraraya gelmesi henüz yeni bir konudur. Enerji altyapısında güvenilirlik ve emniyet gibi hususlar hızlı gerçekleşen yeniliklerden daha fazla önceliğe sahiptir. Bu nedenle enerji sektörü daha tutucu bir yaklaşım sergilemektedir. Buna bağlı olarak, enerji sektörünün YZ bazlı yeniliklere açık olmasından çok, YZ tarafından enerji firmalarına yeni yaklaşımlar getirilmektedir. Bu noktada bir yorum yapmak gerekirse, hızlı gelişen YZ sektörünün pazarını genişletme girişimlerinin etkisini de ihmal etmemek gerekir.

Enerji firmaları faaliyetlerinde YZ kullansalar da kendilerini YZ firmaları olarak görmemektedir. Bunun sonucunda toplanan veriler yeterli olmamakta, YZ’ nin enerji alanındaki gerçek kullanımı tam saptanamamaktadır. Bununla birlikte, YZ’ nin sektörde şebeke yönetimi, kestirimci bakım, talep öngörüleri ve batarya kaynaklı enerji ticareti gibi uygulama alanlarında mevcut altyapıyı geliştirmek üzere kullanılacağı verilerden anlaşılmaktadır. Öte yandan, YZ ‘nin halen enerji üretimi, depolanması ve dağıtımına ile ilgili ürünlere dair inovasyon faaliyetlerinde uygulandığına yönelik sınırlı ipucu vardır. Bu nedenle, en azından şimdilik, enerjide YZ bağlantılı ürün tasarımlarının ortaya çıkmasının hızlı değil ancak kademeli ilerlemelerle (incremental) gerçekleşeceği sonucuna varılmaktadır.

İnovasyon çevrimi

YZ’ nin enerji inovasyonundaki rolünü ve bu sürece entegre edilmesini anlayabilmek için önce inovasyon çevriminin aşamalarına bakmak gerekebilir. Teknoloji Hazırlık Seviyesi (TRL), 1 ile 9 arasında yeni teknolojilerin olgunlaşma durumunu gösteren bir ölçektir. İlk olarak ABD Ulusal Havacılık ve Uzay İdaresi (NASA) tarafından kullanılan bu ölçek halen inovasyonu derecelendirmek için yaygın olarak kullanılmaktadır. İnovasyonun yol haritası oldukça karmaşık olmakla birlikte genel olarak şu aşamalardan oluşmaktadır:

• Uygulamalı araştırma, teknolojinin fiziksel, kimyasal ve biyolojik temelini anlama, ölçme ve yönlendirmeye odaklanmaktadır. TRL 1-4 seviyelerine karşılık gelen bu süreç genel olarak umut vadeden moleküller, malzemeler ve kimyasal yapılar üzerinde zorlu bir araştırma süreci olarak tanımlanmaktadır.
• Uygulamalı araştırma sürecinin sonuçları, TRL 5-6 seviyesine karşılık gelen, prototip geliştirilmesine olanak sağlamaktadır. Burada esas mesele, laboratuvar ortamında geliştirilen kavramların/ tasarımların daha karmaşık bir aşama olan çalışma ekipmanlarına entegre edilmesidir.
• Prototiplerden sonra ölçek büyüterek demonstrasyon aşamasına geçilmektedir (TRL7-8). Bu aşamada gerçek koşullarda ticari ölçekte üniteler işletilmektedir. Ölçek büyütmeden kaynaklı maliyet riskleri ve uygulamaya ilişkin riskler söz konusu olabilmektedir.
• Demonstrasyon sonrasında maliyet ve gelir arasındaki fark düşmeye başlayabilir; ancak yeni enerji teknolojileri hala kâr getirmiyor olabilir. İlk kullanıcılar tarafından yapılan satın almalar (TRL 9) sonucunda kalıcı bir pazar oluşmaya başlayabilir.
• Ürün kabul görme/ yaygınlaşma sürecine girdikçe, kullanıcılar ve imalatçılar, test edilmek ve ölçeklendirilmek üzere, bazı küçük çaplı tasarım ayarlamaları ve ilave fikirler üreterek iyileştirme yollarına gidebilir.

YZ’ yi inovasyon sürecine entegre etmek

Kestirimci YZ modelleri, aday moleküller, kimyasal yapılar ve malzemeler konusundaki araştırmaları hızlandırabilir.  YZ modelleri ilk olarak, katalizör tasarımı, perovskit gibi solar fotovoltaik hücreler için umut vadeden malzemeler veya pil kimyası gibi konularda elde edilen deneysel verilerden hareketle istenen performansı sağlayabilecek adayları öngörebilir. Bu konuda, birçok makalede yer aldığı gibi yeni ilaçların bulunması için aday protein yapılarının ortaya çıkarılmasında YZ’ nin kullanımı örnek verilmektedir. Enerji sektöründe daha kararlı, dayanıklı ve zorlu koşullarda yüksek performans gösterebilen malzemeler konusunda yapılan araştırmalarda da YZ kullanımı söz konusu olacaktır. Örnek olarak, Georgia Teknoloji Enstitüsü’ nün Meta ile yeni metal-organik bazlı karbon yakalama materyalleri için kapsamlı bir veri tabanı oluşturmak için girdiği işbirliği verilebilir (2). Ancak, modellerin eğitimi için verilen veri setlerinin gerçek tesis işletme verileri olmadığını, ayrıca YZ Karbon Yakalama Kullanma ve Depolama teknolojilerinin gelişmesine yardımcı olsa da bu ürünlerin pazara sunumu ve kullanımına kadar giden süreçte önemli engeller bulunduğunu dikkate almak gerekir.

Üretken YZ modelleri ile daha önce hiç sentezlenmemiş yeni seçenekler gerek hesaplama gerekse deneysel olarak test edilmek üzere bulunabilir. Örneğin, Microsoft MatterGen difüzyon modeli, ilgili bazı malzemelerin mevcut veri tabanlarından hareketle istenen özelliklerde yeni, kararlı ve özgün malzemeler önerebilir. Büyük dil modelleri ise, bilim insanlarının kapsamlı akademik literatür ve mevcut teknolojilere ait bilgilere erişimini kolaylaştırabilir.

Adayın belirlenmesinden sonra YZ modelinin aday molekül veya malzemenin karakteristikleri ile ilgili değerlendirmesi doğrulanmalıdır. “High- throughput experimentation” sözcüklerinin baş harflerinden hareketle kısaca HTE olarak ifade edilen bu süreç, örneğin BASF tasarımcılarının amonyak sentezleme katalizörlerine ilişkin yaklaşımına benzemektedir; araştırmacılar aday malzemeleri önce demir bazlı malzemelerden oluşan bir alt gruba indirmişler, sonra laboratuvar ölçeğinde standart reaktörler geliştirerek aday katalizör malzemelerini paralel olarak test etmişlerdir. Modern HTE süreci daha büyük ölçekte ve daha mekanizedir ama aynı temel prensibe dayanmaktadır.

HTE sürecinin bir sonraki evrimi YZ’ nin entegre edildiği otonom laboratuvarlardır. Sürekli tekrarlayan faaliyetlerin otonom laboratuvarlarda yapılması yoluyla deneylerin yürütülmesi ve test edilecek aday malzemelerin seçilmesi otomatik hale getirilmektedir. Bu şekilde insan eliyle yürütülen deneyler için pek de pratik olmayan bu süreç YZ yoluyla yapılmakta, YZ sistemi her deneyin sonucunda kendini yeniden eğiterek umut vadeden doğrultuda ilerlemektedir. Örnek olarak, bir Kanada firması olan Telescope Innovation robotik otomasyon, proses analitiği ve makina öğrenmesini birleştirerek batarya malzemeleri için yeni üretim yöntemlerinin demonstrasyonunu yapmıştır.

ABD’ye ait Lawrence Berkeley Ulusal Laboratuvarındaki A-Lab ünitesinde malzeme inovasyonunu hızlandırmak için potansiyel bir otonom laboratuvarı sergilenmiştir. Sistem, 24 bin bilimsel yayında yer alan bilgilere dayanarak, malzeme özelliklerine ait bir veri tabanı olan “Material Project” kapsamında öngörülen 41 malzemeyi sentezlemiştir.  Tüm iş süreci robotlar vasıtasıyla, deneyler hata verdikçe sistemin parametreleri ayarlamasıyla otomatik olarak yürütülmüştür. Tekrarlayan denemelerin süresi haftalardan günlere doğru kısalmıştır. Ancak henüz tümüyle otonomi durumundan söz etmek mümkün değildir; halen yeni gelişmekte olan bir süreç olmasının yanı sıra kapsamlı bir karakterizasyon, kusur/ hata kontrolü ve saflık için uzman araştırmacılar gerekmektedir. Ayrıca bu tür laboratuvarların altyapısı için on milyonlarca dolara ulaşan yüksek yatırım maliyeti gerektiği gibi, deneylerin kalitesi ve tasarımında araştırmacıların uzmanlığı ve sezgisine ihtiyaç duyulmaktadır.

YZ hangi enerji teknolojileri alanlarındaki inovasyonu hızlandırılabilir?

YZ’ nin değişik teknoloji alanlarındaki potansiyeli farklılık gösterebilmektedir. Deneme yanılma yöntemiyle çözülmesi zor, yüksek seviyede kompleks olan ve çok sayıda, iyi tanımlanmış verileri olan alanlarda YZ çözümler getirebilir; örneğin katalizör tasarımı ve farklı atom kombinasyonlarının karmaşık dizilimleri nedeniyle farmasötik sektörü bu grupta ele alınabilecek alanlardır.

Diğer bir alan, etkin YZ modelleri geliştirmek için yapılandırılmış ve yüksek kalitede veriye sahip olan alanlardır. Örneğin, yukarıda da söz edilen, umut vadeden bir malzeme olan perovskit için on milyondan fazla yapı söz konusudur; bunların ancak bin tanesi sentezlenebildiği için veriler henüz model eğitimi için yeterli değildir.  Makine öğrenmesi yoluyla henüz bulunmamış perovskit yapılarının özellikleri öngörülebilir; bu kez de güvenilirlik açısından yüksek kalitede, gerçek dünya verilerinin eksikliği nedeniyle kullanımı kısıtlanabilir.

Düz ilerleyen test ve doğrulama konuları da potansiyel alanlardır. Ancak bu konuda da farklılıklar olabilir. Modellerin eğitilmesi için kullanılan veri setleri, doğaları gereği, enerji verimliliği, imalat maliyetleri gibi önemli kriterler açısından yetersizdir. Örneğin, YZ tarafından önerilen ters ozmoz membranları laboratuvar koşullarında standart deniz suyu kullanılarak kolaylıkla test edilebilir. Buna karşılık, potansiyel girdi malzemelerinin çeşitliliği nedeniyle plastik geri dönüşümünde, kullanmadan önce aynısını/benzerini yapmak zor olduğundan daha karmaşık bir durum söz konusudur.

Enerji teknolojilerinin çoğu yüksek derecede karmaşıklık gösteren sistemlerdir; buna karşılık YZ’ nın söz konusu karmaşıklığı işleyebilmesi için gerekli olan veriler yeterli değildir. Bu nedenle, YZ bağlantılı inovasyon ürünlerinin birbiri ile bağlantılı olan mevcut enerji sistemlerine entegrasyonunda zorluklarla karşılaşılacaktır. Piyasaya giriş açısından bakıldığında, enerji gibi pazar koşulları daha karmaşık olan alanlar yerine YZ hemen getiri sağlayacağı alanlardaki etkisini daha önce gösterecektir.

Raporun bu bölümünde, dört seçilmiş teknoloji alanında, bataryalar, sentetik yakıt katalizörleri, karbon yakalama malzemeleri ve çimento alanlarında YZ kullanımının sağlayabileceği ilerlemeler ve potansiyel engellerle ilgili daha ayrıntılı bilgiler de verilmektedir; ilgilenenlerin bilgisine sunulur.

Sonuç olarak, YZ moleküler, kimyasal yapılar ve malzemeler alanında, diğer bir deyişle nano/mikro ölçekteki araştırmalarda şimdiden kullanılmaktadır. Malzeme özelliklerine ilişkin kapsamlı açık kaynak veri setleri YZ modellerinin kullanımının artmasını kolaylaştıracaktır. Sektörler arasında farklılık göstermekle birlikte, YZ’ nin mikro ölçekte yarar sağlamasına karşılık, esas sorun yeni malzemelerin yeni ürünlere entegre edilmesi veya dönüşmesi aşamasında, yani orta (mezo) ölçekte yatmaktadır. Bu aşama için yararlı olacak veri setlerine ihtiyaç vardır; ancak bu veriler prototip veya pilot ölçekteki faaliyetler sonucunda elde edilmektedir. Dolayısıyla hem üretilmesi maliyetli olan hem de ticari olarak hassas verilerdir. Burada kamu politikalarının devreye girmesi beklenmektedir. Halen kamu araştırma fonları daha çok yeni YZ modellerinin ve büyük veri merkezlerinin yapımı için sarf edilmektedir. Buna karşılık YZ’ nin bilimsel araştırmalarda potansiyel rolünün gelişmesi için daha stratejik bir yaklaşım gerektiğine dikkat çekilmektedir. Gerek akademik gerekse sanayi kaynaklarından gelen, başarılı veya başarısız, deney sonuçlarının açık olarak erişilebilir veri setlerini besleyebileceği bir araştırma ekosistemi oluşturulmasına ihtiyaç vardır.

Kaynaklar:

1-IEA, Nisan 2025, Energy and AI

2-SP Gobal, 4 Mart 2025,  AI’s role in propelling the energy sector | S&P Global,