如果手機電池制造商能夠預先判斷出哪些電池至少可以連續(xù)使用兩年，那么他們就能把這些電池賣給手機制造商，而把剩下的賣給要求不那么高的設備商。新的研究表明電池生產(chǎn)商可以做到這一點。這項技術不僅可以用來對制造出來的電池進行分類，還可以幫助新的電池設計更快地進入市場。

斯坦福大學、麻省理工學院和豐田研究所的科學家們發(fā)現(xiàn)，綜合實驗數(shù)據(jù)和人工智能揭示了在鋰離子電池容量開始衰減之前準確預測其使用壽命的關鍵。在研究人員用數(shù)億個電池充放電數(shù)據(jù)點訓練了他們的機器學習模型之后，該算法根據(jù)電壓下降和早期循環(huán)中的一些其他因素，預測了每個電池還能持續(xù)多少個周期。

該算法僅根據(jù)前五個充放電周期就可以將電池區(qū)分出長壽命和短壽命。在這里，95%的預測都是正確的。

這一機器學習方法發(fā)表在3月25日的《自然能源》(NatureEnergy)雜志上，它可以加速新電池的設計與研發(fā)，減少生產(chǎn)時間和成本，以及其他應用。研究人員已經(jīng)公開了該數(shù)據(jù)集——是同類數(shù)據(jù)中最大的。

測試新電池設計的標準方法是對電池進行充放電，直到電池失效為止。斯坦福大學材料科學與工程博士研究生PeterAttia說，由于電池的壽命很長，這個過程可能需要數(shù)月甚至數(shù)年的時間。這是電池研究中一個昂貴的瓶頸。

這項工作是在電池數(shù)據(jù)驅動設計中心(Centerfordata-drivenDesignofBatteries)進行的，該中心是一個集理論、實驗和數(shù)據(jù)科學于一體的學術與工業(yè)合作機構。斯坦福大學材料科學與工程助理教授WilliamChueh帶領的研究人員進行了電池實驗。MITs團隊由化學工程學教授理查德·布拉茨(RichardBraatz)領導，完成了機器學習工作?？死锼雇　とド?KristenSeverson)是這項研究的聯(lián)合首席作者，去年春天在麻省理工學院(MIT)完成了化學工程博士學位。

優(yōu)化快速充電

該項目的一個重點是找到一種能在10分鐘內給電池充滿電的更好的方法，這一功能可能會加速電動汽車的大規(guī)模應用。為了生成訓練數(shù)據(jù)集，研究小組對電池進行充電和放電，直到每個電池的使用壽命結束，他們將其定義為20%的容量損失。在優(yōu)化快速充電的過程中，研究人員想弄清楚電池問題的答案是否能從早期的循環(huán)信息中找到？

計算能力和數(shù)據(jù)生成方面的進步，最近使機器學習能夠加速完成各種任務。布拉茨說，這包括對材料性能的預測。我們的研究結果表明，我們可以預測復雜系統(tǒng)在遙遠的未來的行為。

一般來說，鋰離子電池的容量在一段時間內是穩(wěn)定的。然后它會急劇下降。正如21世紀的大多數(shù)消費者所知道的那樣，下降點存在很大差異。在這個項目中，電池可以使用150到2300次。這種變化部分是由于測試了不同的快速充電方法，但也是由電池之間的制造差異決定的。

研究報告的作者之一、豐田研究院(ToyotaResearchInstitute)的科學家帕特里克(PatrickHerring)說：“在這項工作中，我們將最耗時的步驟之一——電池測試——減少了一個數(shù)量級?！?br/>
可能的用途

Attia說，新方法有許多潛在的應用。例如，它可以縮短驗證新型電池的時間，考慮到材料的快速發(fā)展，這一點尤為重要。通過這種快速分選技術，壽命較短的電動汽車電池——對汽車來說太短了——可以被用來為路燈供電或作為數(shù)據(jù)中心的備用電池?；厥照呖梢詮氖褂眠^的電動汽車電池組中找到適合的電池，這些電池的容量足夠拿來做梯次利用。

Attia說，制造電池的最后一步是成型，這可能需要幾天到幾周的時間。使用我們的方法可以大大縮短這一過程，降低生產(chǎn)成本。

研究人員現(xiàn)在正在使用他們的模型優(yōu)化10分鐘內的高速充電方式，他們說這將使電池充電時間減少超過10倍。