斯坦福、MIT和丰田合作预测电池使用寿命

由斯坦福大学（Stanford University）、麻省理工学院（the Massachusetts Institute of Technology）以及丰田研究所（Toyota Research Institute）开展的一项最新研究发现，制造商们能够做到这一点，而且该项技术不仅可以用来对电池进行分类，还可帮助新款电池设计更快上市。科学家们结合综合实验数据以及人工智能，揭示了在锂离子电池容量开始下降之前，准确预测电池使用寿命的关键。研究人员们利用数亿个电池充放电数据点，训练了机器学习模型，该算法根据电压下降和电池早期循环中的一些其他因素，预测了每个电池还能持续多少次充放电循环。

预测值在电池实际能够持续的循环次数的9%以内，此外，该算法根据电池前5次充放电循环将电池分类为长寿命电池或短寿命电池。而且，95%的预测结果都是正确的。该机器学习方法能够加速新型电池设计以及其他应用的研发，减少生产时间和成本。研究人员已经将该数据集公开，该数据集是同类数据集中最大的。

该项目的一个重点是找到一种更好的方法，10分钟内给电池充满电，该功能可能会加速电动汽车的普及。为了生成训练数据集，该研究小组对电池不断进行充放电，直到电池的使用寿命殆尽，其中研究人员将电池容量损失定义为20%。在优化快速充电的过程中，研究人员想弄清楚，是否有必要一直将电池耗尽，答案能否从电池早期充放电循环中找到呢？

一般来说，锂离子电池的容量在一段时间内是稳定的，然后才会急剧下降。大多数21世纪的消费者都知道，急剧下降点会存在很大差异。在该项目中，使用的电池可以持续150至2300次循环，循环次数的差异部分是由于测试了不同的快速充电方法，但是电池制造的差异也造成了电池循环次数的差异。

研究人员研发的新方法有很多潜在应用。例如，可以缩短新型电池的验证时间，考虑到电池材料的发展迅速，缩短验证时间非常重要。此外，有了此类分类技术，对于电动汽车来说寿命较短的电池，可以用于给路灯供电，或者作为数据中心的备用电源。此外，回收电池的公司也可以从二手电动汽车电池组中找到容量足够的电池，进行二次使用。

此外，另一种潜在应用就是优化电池制造。电池制造的最后一步是“成型”，一般需要几天至几周的时间。但是研究人员提供的方法可以显著缩短该过程，从而降低生产成本。目前，研究人员正在使用其机器学习模型，优化10分钟内给电池充满电的方法，他们表示，可让充电时间减少10倍以上

百尺竿头更进一步...