电池性能会影响电动汽车的体验，包括续航里程、充电时间和车辆寿命。研究人员报告说，现在，人工智能已经实现了在加油站停车所需的时间内为电动汽车充电的梦想。它还可以帮助改进电池技术的其他方面。
几十年来，评价时间已经成为电动汽车发展的主要瓶颈。在电池开发过程的每个阶段，研究人员都必须对新技术进行数月甚至数年的测试，以确定它们能持续多久。
然而，现在研究人员已经开发了一种基于机器学习的方法，可以将测试时间减少98%。尽管该团队根据电池充电速度测试了他们的方法，但他们表示，这种方法可以应用于电池开发过程的许多其他部分，甚至是非能源技术。
斯坦福大学计算机科学助理教授Stefano Ermon说：“在电池测试中，你要尝试很多东西，因为获得的性能会发生很大的变化。”该项目由材料科学与工程副教授William Chueh领导。“借助AI，我们可以快速找到最有前途的方法，并消除许多不必要的实验。”
错误的电池测试
《自然》杂志的研究目标是寻找10分钟内给EV电池充电的最佳方式，从而最大化电池的整体使用寿命。研究人员已经编写了一个程序，可以仅根据几个充电周期来预测电池对不同充电模式的反应。该软件还可以实时确定关注或忽略哪些计费方法。
实验的时间和次数减少了，这使得研究人员能够将测试过程从近两年缩短到16天。
"机器学习是反复试验，但方式更明智."
彼得阿提亚说：“我们想出了如何大大加快超快充电的测试过程。“然而，真正令人兴奋的是方法。我们可以将这种方法应用于目前可能阻碍电池发展数月或数年的许多其他问题。”
设计超快充电电池是一个重大挑战，主要是因为很难让它们一直使用。更快的充电强度会让电池承受更大的压力，这通常会导致电池过早失效。为了防止构成电动汽车总成本很大一部分的电池组被损坏，电池工程师必须测试一系列详细的充电方法，以找到最合适的充电方法。
新的研究试图优化这一过程。从一开始，该团队就发现快速充电优化需要多次试错测试——这对人类来说效率低下，但对机器来说却是一个完美的问题。
“机器学习是反复试验，但以更明智的方式进行，”计算机科学研究生Aditya Grover说，他也是这项研究的共同负责人。“在决定何时探索(尝试新的和不同的方法)以及何时开发或零投资于最有前途的方法方面，计算机比我们强得多。”
机器和人类
该团队在两个关键方面利用了这一优势。首先，他们用它来减少每个周期的实验时间。在之前的研究中，研究人员发现，他们可以预测电池只有在前100个充电周期后才能使用多长时间，而不是对每个电池进行充电和充电，直到电池出现故障(这是测试电池寿命的常用方法)。这是因为在研究人员用几个失效的电池训练机器学习系统后，机器学习系统可以在早期数据中找到模式，这些模式表明电池可以使用多长时间。
标签：