用于加强电动汽车电池开发的人工智能

人工智能电池的概念

使用机器学习,斯坦福主导的研究团队已经削减了电池测试时间 - 一个持久的关键障碍,电动汽车充电电池。信用:立方体3d.

斯坦福大学和丰田研究人员的新机器学习方法可以为电动汽车的电池开发提供增压

斯坦福大学领导的一个研究小组使用一种新的机器学习方法,将电池测试时间(电动汽车电池续航时间更长、充电速度更快的关键障碍)缩短了近15倍。

从行驶里程到充电时间,再到汽车的寿命,电池性能可以决定电动汽车体验的好坏。现在,人工智能已经让电动汽车在停在加油站的时间内充电这样的梦想更有可能成为现实,并有助于改进电池技术的其他方面。

几十年来,电动汽车电池的发展一直受到一个主要瓶颈的限制:评估时间。在电池开发过程的每一个阶段,新技术都必须经过数月甚至数年的测试,以确定它们的使用寿命。但现在,由斯坦福大学教授斯特凡诺·埃尔蒙(Stefano Ermon)和威廉·觉(William Chueh)领导的一个团队开发了一种基于机器学习的方法,可以将测试时间减少98%。尽管该团队在电池充电速度上测试了他们的方法,但他们表示,这种方法可以应用于电池开发管道的许多其他部分,甚至非能源技术。

由斯坦福教授斯蒂芬诺·米蒙和威廉·克冯领导的团队已经削减了电池测试时间 - 更持久,电动汽车电池更快充电的电池的关键障碍。

“在电池测试中,你必须尝试大量的东西,因为你得到的性能会有很大的不同,”计算机科学助理教授埃尔蒙说。“有了人工智能,我们能够快速识别最有前途的方法,并省去许多不必要的实验。”

这项研究中,发表经过自然这是斯坦福大学科学家之间一项更大的合作的一部分,麻省理工学院以及丰田研究院,它是基础学术研究和实际工业应用的桥梁。目标:找到在10分钟内为电动汽车电池充电的最佳方法,最大限度地延长电池的整体寿命。研究人员编写了一个程序,仅基于几个充电循环,就可以预测电池对不同充电方式的反应。该软件还实时决定了哪些收费方式应该关注或忽略。通过减少试验的长度和次数,研究人员将测试过程从近两年减少到16天。

“我们找到了如何极大地加速极速充电测试过程的方法,”彼得·阿提亚(Peter Attia)说,他还是研究生时参与领导了这项研究。“然而,真正令人兴奋的是方法。我们可以将这种方法应用于许多其他问题,这些问题目前正阻碍电池开发数月或数年。”

电池测试更聪明的方法

设计超快充电池是一个很大的挑战,主要是因为很难让它们持久。更快的充电强度会给电池带来更大的压力,这通常会导致电池过早失效。为了防止这种对电池组的损坏,电池工程师必须测试一系列详尽的充电方法,以找到最有效的充电方法。电池组在电动车的总成本中占很大一部分。

新的研究寻求优化这个过程。首先,该团队看到快速充电优化达到许多试验和错误测试 - 人类效率低下的东西,但机器的完美问题。

AI电池研究人员

研究团队由斯坦福大学教授William Chueh、丰田研究所科学家Muratahan Aykol、斯坦福大学博士生Aditya Grover、斯坦福大学博士校友Peter Attia、斯坦福大学教授Stefano Ermon和TRI科学家Patrick Herring组成。信贷:Farrin阿伯特

“机器学习是试验和错误,但以更聪明的方式,”电脑科学研究生,也联合研究了这项研究。“在探索探索时,计算机远远优于我们 - 尝试新的和不同的方法 - 以及何时在最有前途的方法中剥削或零。”

这个团队在两个关键方面利用了这种力量。首先,他们用它来减少每次循环实验的时间。在之前的一项研究中,研究人员发现,与测试电池寿命的常见方法——对每块电池反复充电直至失效不同,他们可以预测电池在前100次充电循环后的续航时间。这是因为,机器学习系统在接受了几节报废电池的训练后,可以在早期数据中找到预测电池续航时间的模式。

其次,机器学习减少了他们必须测试的方法数量。而不是测试各种可能的充电方法,或者依赖于直觉,计算机从其经验中了解到快速找到最佳的测试协议。

通过测试更少的方法和更少的周期,研究的作者们很快为他们的电池找到了一个最佳的超快充电方案。Ermon说,除了显著加快测试过程之外,计算机的解决方案也比电池科学家可能设计的更好——而且更不寻常。

Ermon说:“它给了我们一个非常简单的充电协议——这是我们没有想到的。”“这就是人类和机器之间的区别:机器不会被人类的直觉所误导,人类的直觉很强大,但有时会产生误导。”

更广泛的应用

研究人员表示,他们的方法可以加速电池开发过程中的几乎每一个环节:从设计电池的化学成分,到确定电池的大小和形状,再到找到更好的制造和存储系统。yabovip2021这不仅会对电动汽车产生广泛影响,也会对其他类型的能源存储产生广泛影响,这是在全球范围内转向风能和太阳能的关键要求。

“这是开发电池的一种新方式,”该研究的合著者、丰田研究所(Toyota Research Institute)的科学家帕特里克·赫林(Patrick Herring)说。“拥有可以与学术界和产业界的大量人士分享的数据,并自动进行分析,可以加快创新速度。”

鲱鱼添加了该研究的机器学习和数据收集系统,可用于未来的电池科学家自由使用。他说,通过使用该系统优化工艺的其他部分,电池开发 - 以及更新的技术,更好的技术 - 可以加速数量级或更多。

Ermon表示,研究方法的潜力甚至超越了电池世界。其他大数据测试问题,从药物开发到优化X射线和激光器的性能,也可以通过使用机器学习优化来彻底改变。他说,他说,它甚至可以帮助优化所有基本的过程之一。

“更大的希望是帮助科学发现自己,”Ermon说。“我们要问:我们可以设计这些方法自动提出假设吗?他们可以帮助我们提取人类不能的知识吗?随着我们获得更好更好的算法,我们希望整个科学发现过程可能会急剧加速。“

参考:“闭环优化电池的充电快协议与机器学习”由彼得·m·阿迪Aditya Grover,诺曼,克里斯汀揭幕,本片m .马尔可夫Yang-Hung辽、迈克尔·h·陈,布莱恩畅,尼古拉斯·珀金斯紫阳,帕特里克·k·鲱鱼Muratahan Aykol,斯蒂芬·j·哈里斯,理查德·d·Braatz讲斯特凡诺Ermon和威廉·c·Chueh, 2020年2月19日,自然
DOI: 10.1038 / s41586 - 020 - 1994 - 5

斯坦福大学的其他合著者包括Norman Jin, yanghung Liao, Michael H. Chen, Bryan Cheong, Nicholas Perkins, Zi Yang, Stephen Harris和Todor M. Markov。其他合著者来自麻省理工学院和丰田研究所。

这项工作得到了美国国家科学基金会,美国能源部和微软公司的丰田研究所的斯坦福德支持。

1条评论论“用于电动汽车加级电池开发的人工智能”

  1. 这篇文章真的很精彩,其中的信息对初学者非常有用。我曾在很多文章中读到过IBM的Watson,但没有一篇文章像这篇文章一样给了我令人满意的描述。以质取胜的学习方式听起来很吸引人。
    进一步的人可以通过访问网站获得详细的信息http://www.appknock.co

发表评论

电子邮件地址是可选的。如果提供的话,您的电子邮件不会发布或共享。