人工智能的新应用，可预测电池的使用寿命
图片来自younghee lee/cube3d graphic
撰文 | 冯水寒
责编 | 叶水送
● ● ●
锂离子电池具有高能量密度、输出功率大、充放电速度快、无记忆效应、使用寿命长等优点。随着技术进步和成本降低，锂离子电池的应用越来越广泛，除了应用于便携式电子设备，还出现在军事、纯电动汽车、航空航天等领域。
然而与众多化学、机械和电子系统类似，长时间的电池寿命意味着性能反馈时间延迟（delayed feedback of performance），通常需要数月甚至数年之久。因此，使用早期数据准确预测电池寿命将为电池的生产、使用和优化带来新的机遇。
试想一下，如果电池制造商能够确定哪些电池至少能使用几年，那么他们便能够向对应需求的制造商销售对应产品。但由于循环使用过程中电池容量非线性退化以及个体差异较大，电池寿命的准确预测仍颇具挑战。
► 大数据与人工智能帮助预测电池使用寿命，图片来自nature energy
3月25日，国际学术期刊nature energy发文称，麻省理工学院的richard d. braatz教授及其合作者基于全面的数据集（包括124个商用锂离子电池，这些电池在快速充电条件下，循环寿命从150到2300个周期不等）和机器学习算法，在锂离子电池容量开始下降前，准确预测其使用寿命并对其进行分类。
该最佳模型在定量预测循环寿命方面的测试误差仅为9.1%。仅根据前五个充放电周期将电池分为长寿命和短寿命的测试结果表明，该算法95%的预测结果都是正确的。
► 迄今为止最大的同类数据集，图片来自data.matr.io
此外，研究人员还公布了相应的数据，这也是迄今为止最大的同类数据集。这一方法和数据集的开发可以加速新电池的研究和开发，减少生产时间和成本，扩大其应用。
论文通讯作者braatz表示：
“最近计算能力和数据生成方面的进步，使得机器学习能够加速完成各种任务，其中包括对材料性能的预测。我们的研究结果表明，我们可预测复杂系统在遥远未来的行为。”
论文共同作者丰田汽车研究所（toyota research institute）的patrick herring说：
“尽管在电池开发上花费了大量的时间和金钱，但在这项工作中，我们将最耗时的步骤之一（电池测试）减少了一个数量级。”
总的来说，这一技术不仅可用于电池的分类，还可用于帮助新电池设计，使其更快地进入市场。
参考资料
https://www.nature.com/articles/s41560-019-0356-8
https://eurekalert.org/pub_releases/2019-03/su-tlb032019.php
https://data.matr.io/1/projects/5c48dd2bc625d700019f3204
