斯坦福大學、麻省理工學院和豐田研究院（Toyota Research Institute）科學家們利用機器學習的力量，成功將電池測試時間減少了98%。

蓋世汽車訊 電池性能可以決定電動汽車的續(xù)航里程、充電時間、使用壽命等使用體驗。現在，人工智能技術能夠讓電動汽車充電的時間與給汽車加油的時間一樣，還可以改善電池技術的其他方面。

（圖片來源：Cube3D）

幾十年來，電動汽車電池發(fā)展都受到一個主要瓶頸的制約：評估時間。在電池研發(fā)的各個階段，新技術都需要經過數月甚至數年的測試，才能確定其壽命幾何。但是現在，據外媒報道，由斯坦福大學教授Stefano Ermon和William Chueh領導的一個研究小組研發(fā)了一種基于機器學習的方法，可以將測試時間減少98%。盡管該小組在電池充電速度上測試了其方法，但是他們表示，該方法還可應用于電池研發(fā)的其他部分，甚至可用于非能源技術。

此次研究是斯坦福大學、麻省理工學院和豐田研究院（Toyota Research Institute）科學家們之間更大規(guī)模合作的一部分，致力于彌合基礎學術研究與真實世界工業(yè)應用之間的鴻溝。他們的目標是，找到在10分鐘內為電動汽車充滿電的最佳方法，使電池整體壽命實現最大化。研究人員編寫了一個程序，根據幾個充電周期預測電池對不同充電方式的反應。該軟件還可以實時決定關注或忽略哪些充電方式。通過縮短試驗時間和次數，研究人員將試驗時間從近兩年縮短至16天。

更智能的電池測試方法

設計超快充電電池是一個巨大挑戰(zhàn)，主要因為很難讓此類電池的壽命持久。充電更快會讓電池承受的壓力更大，通常導致電池過早出現故障。電池組的成本占電動汽車總成本的很大一部分，為了防止電池組受損，電池工程師必須詳盡地測試一系列充電方法，以找到最有效的充電方法。

新研究試圖能夠優(yōu)化該測試過程，最開始，該團隊就發(fā)現優(yōu)化快速充電需要進行很多次反復試驗，對于人類而言會很低效，但對于機器來說就很完美。

該團隊在兩個關鍵方面利用了機器學習的能力。首先，他們用機器學習減少每次進行充電循環(huán)實驗的時間。在前一項研究中，研究人員發(fā)現，他們可以預測在第一次充電100次之后，電池壽命還有多長。這是因為機器學習系統(tǒng)在接受了幾次電池充電循環(huán)失靈的訓練之后，就可以從早期數據中發(fā)現預測電池壽命的模式。

第二，機器學習減少了必須測試的方法的數量。計算機從以往的經驗中吸取教訓，以迅速找到最佳協(xié)議進行測試，而不是對每一種可能的充電方法都進行同等測試，或者依靠直接。

通過在更少的充電周期內測試更少的充電方法，研究人員很快找到了一種最佳的超高速充電方案。Ermon表示，除了顯著加快測試過程之外，該計算機的解決方案也比電池科學家設計出的方案更好。

更廣泛的應用

研究人員表示，他們的方法可以幾乎加速電池研發(fā)的每一個環(huán)節(jié)：從設計電池的化學成分，到確定電池的大小和形狀，再找到更好的制造和存儲系統(tǒng)。這不僅會為電動汽車帶來廣泛影響，還會對其他類型的能源存儲產生廣泛影響，這也是全球轉而使用風能和太陽能的關鍵要求。

研究人員表示，該項研究的機器學習和數據收集系統(tǒng)將供未來的電池科學家免費使用。通過使用該系統(tǒng)來優(yōu)化機器學習過程的其他部分，能夠加快電池以及更新更好技術的到來。

研究人員還表示，該項研究方法甚至可應用于電池之外的領域。從藥物開發(fā)到優(yōu)化X射線和激光的性能等其他大數據測試問題，也可以通過使用機器學習優(yōu)化技術來實現。