AI精准预测电池寿命：美国能源部阿贡实验室研究
新研究中，美国能源部（DOE）阿贡国家实验室研究人员转向机器学习，预测多种电池化学体系的寿命。利用阿贡收集的300块电池实验数据（代表六种电池化学体系），科学家能准确判断不同电池将持续循环多久。
机器学习算法中，科学家用已知初始数据集训练计算机程序进行推理，再用其学到的知识对未知新数据集做决策。
“对每种电池应用——从手机到电动车再到电网储能——电池寿命至关重要。”阿贡计算科学家、研究作者Noah Paulson说。“实际循环数千次直到失效需数年；我们的方法创造了一个‘计算测试厨房’，能快速确定不同电池表现。”
“目前评估电池容量衰减唯一方法是实际循环。”阿贡电化学家Susan “Sue” Babinec补充道。“极其昂贵且耗时。”
Paulson称建立电池寿命颇棘手。“现实是电池不永久，寿命取决于使用方式、设计与化学体系。”他说。“迄今无好方法知晓电池能用多久。人们想知道多久后需花钱换电池。”
研究独特之处在于依赖阿贡在多种电池正极材料上的大量实验工作，特别是阿贡专利镍锰钴（NMC）基正极。“我们有代表不同化学体系的电池，它们降解失效方式不同。”Paulson说。“研究价值在于给了我们不同电池表现的特征信号。”
该领域进一步研究有望指引锂离子电池未来。Paulson说：“我们能在已知化学体系上训练算法，让它对未知化学体系预测。算法或可指引我们发现寿命更长的新改进化学体系。”
这样，Paulson认为机器学习算法能加速电池材料开发测试。“假设有新材料，循环几次。用我们算法预测寿命，再决定是否继续实验循环。”
“实验室研究者能在更短时间发现测试更多材料，因有更快评估方式。”Babinec补充。
基于研究的论文《面向机器学习早期预测电池寿命的特征工程》刊于2月25日《电源期刊》在线版。
传感器