机器学习可进行电池寿命预测

美国阿贡国家实验室的研究人员表示，他们发明了一种方法，可利用机器学习来预测各种由不同化学成分组成的电池的寿命。

通过从代表六种不同电池化学成分的300块电池中收集的实验数据来训练机器学习算法，科学家们表示他们可以准确地确定不同电池的循环使用时间。

“对于各种不同类型的电池应用，从手机到电动汽车再到电网储能，电池寿命对每个消费者都至关重要，”阿贡国家实验室计算科学家Noah Paulson表示。“电池需要被循环使用数千次，可能需要数年时间才会出现故障；我们的方法创建了一种计算‘测试厨房’，可以快速确定不同电池的性能。”

“现在，评估电池容量衰减的唯一方法是实际循环使用电池。这一方法非常昂贵且费时。”阿贡国家实验室电化学家Susan J. Babinec补充道，“确定电池寿命的过程可能也很棘手。”

Paulson说：“现实是，电池不能被永远使用，它们的使用时间取决于我们使用它们的方式，以及它们的设计和化学物质组成。直到现在，还没有一个很好的方法来确定一块电池能用多长时间。人们会想知道他们还需多长时间购买一块新电池。”

科学家们表示，他们研究的一个独特方面是，它依赖于阿贡国家实验室在各种电池正极材料上进行的大量实验工作，尤其是阿贡国家实验室获得专利的镍锰钴（NMC）基正极。

Paulson表示：“我们实验用的电池由不同的化学物质组成，它们有不同的降解和失效方式。这项研究的价值在于，它为我们提供了不同电池性能的特征信号。”

他补充说道，这方面的进一步研究有可能为未来锂离子电池的发展提供参考。

“我们能够做的一件事是训练已知化学的算法，并以此为基础对未知化学进行预测。从本质上来说，该算法可能会帮助我们朝着新的、更好的化学方向发展，从而为电池提供更长的使用寿命。” Paulson表示。

研究人员表示，通过这种方式，他们相信机器学习算法可以加速电池材料的开发和测试。

Paulson说：“假设你有一种新材料，可以循环使用几次。你可以使用我们的算法来预测它的寿命，然后决定是否要继续进行循环实验。”

“如果你是实验室的研究人员，”Babinec说，“你可以在更短的时间内发现和测试更多的材料，因为你有了更快的方法来评估它们。”