（文章來源：高工鋰電網(wǎng)）

運用AI技術(shù)已經(jīng)成為了當(dāng)前開發(fā)新型電池的重要途徑。外媒報道稱，劍橋大學(xué)和紐卡斯爾大學(xué)的研究人員設(shè)計了一種通過向電池發(fā)送電脈沖并測量響應(yīng)來檢測電池的新方法。通過機器學(xué)習(xí)算法處理測量結(jié)果，以預(yù)測電池的健康狀況和使用壽命。

研究人員稱，該技術(shù)可以以比當(dāng)前行業(yè)標準高10倍的準確度預(yù)測電池的健康狀況，從而有助于開發(fā)用于電動汽車和消費電子產(chǎn)品的更安全，更可靠的電池。

難以預(yù)測鋰離子電池的健康狀態(tài)和剩余使用壽命是限制電動汽車廣泛采用的主要問題之一。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(tài)和壽命。當(dāng)前的預(yù)測電池健康的方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(tài)的重要功能。

因此，目前需要擁有跟蹤電池中發(fā)生的許多過程需要探測電池實際運行情況的新方法，以及可以在充電和放電時檢測出細微信號的新算法。

劍橋大學(xué)卡文迪許實驗室的Alpha Lee博士說：“安全性和可靠性是最重要的設(shè)計標準，因為我們開發(fā)的電池可以在很小的空間內(nèi)包裝大量能量。通過改進監(jiān)視充電和放電的軟件，并使用數(shù)據(jù)驅(qū)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(shè)計了一種通過向電池發(fā)送電脈沖并測量其響應(yīng)來監(jiān)視電池的方法。然后使用機器學(xué)習(xí)模型來發(fā)現(xiàn)電響應(yīng)中的特定特征，這些特征是電池老化的跡象。研究人員進行了20000多次實驗測量，以訓(xùn)練該模型，這是同類最大的數(shù)據(jù)集。

研究人員還表明，機器學(xué)習(xí)模型可以被解釋為給出退化的物理機制的提示。該模型可以告知哪些電信號與老化最相關(guān)，這反過來又使它們可以設(shè)計特定的實驗來探究電池退化的原因和方式。研究人員現(xiàn)在正在使用他們的機器學(xué)習(xí)平臺來了解不同電池化學(xué)性質(zhì)的退化。他們還開發(fā)了最佳的電池充電協(xié)議，通過機器學(xué)習(xí)來供電，以實現(xiàn)快速充電并最大程度地降低降級。

值得注意的是，除了劍橋大學(xué)之外，包括斯坦福大學(xué)、豐田汽車、松下等高校和企業(yè)也在借助AI技術(shù)研發(fā)新型電池和改善電池的性能。例如，斯坦福大學(xué)與豐田研究人員合作開發(fā)了一種新機器學(xué)習(xí)方法，稱可以加速電動汽車電池的開發(fā)。

具體而言，麻省理工學(xué)院斯坦福分校和豐田研究院的研究團隊開發(fā)了一種基于機器學(xué)習(xí)的方法，將電池充電測試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(fā)進度。松下也開發(fā)出一種AI高科技材料分析手法，可以高速且高分辨率條件下，可視化鋰離子電池內(nèi)部材料在電池工作過程中的行動狀態(tài)，這一狀態(tài)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。
（責(zé)任編輯：fqj）