AI技術如何“顛覆”新型電池研發

運用AI技術已經成為了當前開發新型電池的緊要途徑。

外媒報道稱，劍橋大學和紐卡斯爾大學的研究人員設計了一種通過向電池發送電脈沖并測量應和來測試電池的新辦法。通過機器學習算法解決測量結果，以預測電池的健康狀況和使用壽命。

研究人員稱，該技術可以以比當前行業標準高10倍的準確度預測電池的健康狀況，從而有助于開發用于電動車和消費電子產品的更安全，更可靠的電池。

難以預測鋰電池的健康狀態和剩余使用壽命是限制電動車廣泛采用的緊要問題之一。在運行一段時間后，鋰電池的會衰退，從而影響電池的使用狀態和壽命。

當前的預測電池健康的辦法是基于跟蹤電池充電和放電期間的電流和電壓，這錯過了指示電池狀態的緊要功能。

因此，目前要擁有跟蹤電池中發生的許多過程要檢測電池實際運行情況的新辦法，以及可以在充電和放電時測試出纖細信號的新算法。

劍橋大學卡文迪許試驗室的AlphaLee博士說：“安全性和可靠性是最緊要的設計標準，因為我們開發的電池可以在很小的空間內包裝大量能量。通過改進監視充電和放電的軟件，并使用數據驅動的軟件來控制充電過程，我相信我們可以大大改善電池性能。”

研究人員設計了一種通過向電池發送電脈沖并測量其應和來監視電池的辦法。然后使用機器學習模型來發現電應和中的特定特點，這些特點是電池老化的跡象。研究人員進行了20000多次試驗測量，以訓練該模型，這是同類最大的數據集。

研究人員還聲明，機器學習模型可以被解釋為給出退化的物理機制的提示。該模型可以告知什么電信號與老化最相關，這反過來又使它們可以設計特定的試驗來探究電池退化的原由和方式。

研究人員今朝正在使用他們的機器學習平臺來知道不同電池化學性質的退化。他們還開發了最佳的電池充電協議，通過機器學習來供電，以實現快速充電并最大程度地降低降級。

值得留意的是，除了劍橋大學之外，包括斯坦福大學、豐田汽車、松下等高校和公司也在借助AI技術研發新型電池和改善電池的性能。

例如，斯坦福大學與豐田研究人員合作開發了一種新機器學習辦法，稱可以加速電動車電池的開發。

詳盡而言，麻省理工學院斯坦福分校和豐田研究院的研究團隊開發了一種基于機器學習的辦法，將電池充電探測時間從近兩年縮短至16天，縮短了近15倍，有助于加速新型電池的開發進度。

松下也開發出一種AI高科技材料分解手法，可以高速且高辨別率條件下，可視化鋰電池內部材料在電池工作過程中的行動狀態，這一狀態的可視化，將會極大地影響鋰電池的容量密度，充放電速度以及壽命等多種性能的改善。

聲明： 本站所發布文章部分圖片和內容自于互聯網，如有侵權請聯系刪除