新的機器學習方法可以為電動汽車的電池開發提供動力

從行駛距離到充電時間再到汽車使用壽命，電池性能都會影響電動汽車的體驗。現在，人工智能已經使夢想變成了現實，比如在加油站停車時給電動汽車充電，這將成為現實，并且可以幫助改善電池技術的其他方面。

幾十年來，電動汽車電池的發展一直受到主要瓶頸的限制：評估時間。在電池開發過程的每個階段，必須對新技術進行幾個月甚至幾年的測試，以確定它們將持續多長時間。但是現在，由斯坦福大學教授Stefano Ermon和William Chueh領導的團隊開發了一種基于機器學習的方法，該方法將這些測試時間縮短了98%。盡管該小組在電池充電速度方面測試了他們的方法，但他們表示該方法可以應用于電池開發流程的許多其他部分，甚至可以應用于非能源技術。

“在電池測試中，您必須嘗試大量的事情，因為獲得的性能會大大不同，”計算機科學助理教授Ermon說。“借助AI，我們能夠迅速找到最有前途的方法，并消除了許多不必要的實驗。”

該研究于2月19日由《自然》雜志發表，是斯坦福大學，麻省理工學院和豐田研究所的科學家之間更大合作的一部分，該合作將基礎學術研究與現實世界的工業應用聯系起來。目標：找到在10分鐘內為EV電池充電的最佳方法，以最大化電池的整體壽命。研究人員編寫了一個程序，該程序僅基于幾個充電周期即可預測電池對不同充電方式的反應。該軟件還實時確定關注或忽略哪些計費方式。通過減少試驗的時間和數量，研究人員將測試過程從近兩年縮短到了16天。

彼得·阿蒂亞(Peter Attia)說：“我們想出了如何極大地加快超快速充電的測試過程的方法。” “不過，真正令人興奮的是這種方法。我們可以將這種方法應用于目前困擾電池開發幾個月或幾年的許多其他問題。”

電池測試的更智能方法

設計超快速充電電池是一項重大挑戰，主要是因為很難使它們持續使用。更快的充電強度會使電池承受更大的壓力，這通常會導致電池過早失效。為了防止損壞構成電動汽車總成本很大一部分的電池組，電池工程師必須測試一系列詳盡的充電方法，以找到最有效的充電方法。

新的研究試圖優化這一過程。從一開始，團隊就發現快速充電優化相當于許多反復試驗的測試-對人類而言這是低效率的，但對于機器而言卻是完美的問題。

共同領導這項研究的計算機科學研究生Aditya Grover說：“機器學習是反復試驗，但是以一種更明智的方式。” “在確定何時進行探索(嘗試新的和不同的方法)以及何時對最有前途的方法進行開發或零投入方面，計算機要比我們好得多。”