為了有助于加速電池研發(fā)，斯坦福大學和麻省理工學院的研究人員與豐田研究所合作，利用機器學習開發(fā)出一種能夠非常準確地預測電池性能的算法。

通常，想要知道鋰離子電池壽命什么時候結(jié)束是很難預測的，這也使得新電池技術(shù)的研究和開發(fā)非常耗時。

化學品和材料的不同組合是否會導致鋰電池變體的持續(xù)時間比其上一代電池長得多？快充是否會對電池壽命產(chǎn)生長期影響？唯一的方法是反復充電和放電樣品，直到它達到其生命周期的末期，該生命周期被定義為低于其原始功率容量的20％。這類測試是一個耗時的過程，部分原因是電池技術(shù)的創(chuàng)新無法與電子技術(shù)保持同步。

為了有助于加速電池研發(fā)，斯坦福大學和麻省理工學院的研究人員與豐田研究所合作，利用機器學習開發(fā)出一種能夠非常準確地預測電池性能的算法。

根據(jù)發(fā)表在“自然能源”雜志上的一篇論文，該機器學習算法可以預測鋰離子電池的壽命，并可以幫助科學家更快地以更低的成本開發(fā)設(shè)計出更好的電池。方法是收集電池數(shù)億次充放電的測量訓練，還包括電源容量、充電時間、電池單元溫度等，直至它們失效。

該論文的共同作者斯坦福大學材料科學與工程專業(yè)的博士生Peter Attia說，“由于電池使用壽命長，這個過程可能需要數(shù)月甚至數(shù)年。這是電池研究中的一個昂貴的瓶頸。”

整個機器學習測試是這樣運行的：

首先，斯坦福大學、麻省理工學院、豐田研究所和勞倫斯伯克利實驗室的研究人員檢查了124個鋰離子電池。他們經(jīng)過反復的充放電，直到電池性能下降約20％，通常在150到2300次充電循環(huán)之間。

其次，研究人員繪制了電池在每個周期的容量，以生成96700個周期的數(shù)據(jù)集。將其輸入回歸模型，這是一種檢驗不同變量之間關(guān)系的統(tǒng)計方法，用于預測電池在前100個循環(huán)中的性能持續(xù)多長時間。

結(jié)果表明，該模型能夠從電壓水平和前100個周期的其他讀數(shù)預測電池的整體壽命，準確率為91％。研究人員還可以在分析前五個周期的數(shù)據(jù)后，以95％的準確率對電池進行分類，確定它們的壽命是長還是短。

使用這種技術(shù)，可以預測單個電池在最初幾個循環(huán)后的性能，從而可以將它們分類到不同應用和要求的模組中，并且規(guī)定不同的價格。

“對于電池開發(fā)所花費的所有時間和金錢來說，該項電池測試的進展仍然是幾十年來的進步。”該論文的共同作者，豐田研究所的研究科學家Patrick Herring說。 “在這項工作中，我們正在減少一個最耗時的步驟——一個大數(shù)據(jù)的電池測試?！?/p>