AIトレンドスタッフ別
AI技術は、次世代の電気自動車や家電製品への電力供給を目的として、バッテリーの寿命を延ばし、健康状態を監視することを目的とした研究者によって適用されています。
ケンブリッジ大学とニューカッスル大学の研究者は、現在の業界標準のXNUMX倍の精度でバッテリーの状態を予測できる機械学習手法を設計しました。 サイエンスデイリー。 安全で信頼性の高いバッテリーを開発することが約束されています。
電池を監視する新しい方法では、研究者は電池に電気パルスを送り、応答を監視しました。 その後、測定値は機械学習アルゴリズムによって処理され、バッテリーの健康状態と耐用年数を予測できるようになりました。 この方法は非侵襲的であり、任意のバッテリーシステムに追加できます。
リチウムイオンバッテリーの残りの有効充電量を予測できないことは、電気自動車の採用に対する制限であり、携帯電話ユーザーにとっては煩わしいものです。 バッテリーの状態を予測する現在の方法は、バッテリーの充電中および放電中の電流と電圧の追跡に基づいています。 新しい方法は、バッテリー内部で何が起こっているかについてより多くをキャプチャーし、微妙な変化をより良く検出することができます。
「安全と信頼性は、私たちが小さなスペースに多くのエネルギーを詰めることができるバッテリーを開発するときの最も重要な設計基準です」と研究を共同で率いたケンブリッジのキャベンディッシュ研究所のアルファ・リー博士は述べました。 「充電と放電を監視するソフトウェアを改善し、データ駆動型ソフトウェアを使用して充電プロセスを制御することで、バッテリーのパフォーマンスを大幅に改善できると信じています。」
研究者たちは、20,000を超える実験測定を行い、バッテリーの劣化の兆候を見つける方法についてモデルをトレーニングしました。 モデルは、重要な信号を無関係なノイズから区別する方法を学習します。 モデルは、どの電気信号がエージングと最も相関しているのかを学習します。これにより、研究者は特定の実験を設計して、バッテリーが劣化する理由をより深く調査することができます。
「機械学習は身体的理解を補完および増強します」とキャベンディッシュ研究所の共著者であるDr Yunwei Zhangは述べています。「私たちの機械学習モデルによって識別された解釈可能な信号は、将来の理論的および実験的研究の出発点です。」
AIコンピュータビジョンテクニックを使用したエネルギー研究部門
エネルギー省のSLAC国立加速器研究所の研究者は、AIコンピュータービジョン技術を使用してバッテリーの寿命を研究しています。 科学者たちは、機械学習アルゴリズムとX線トモグラフィーデータを組み合わせて、XNUMXつのバッテリーコンポーネントであるカソードの劣化の詳細な画像を作成しています。 サイテックデイリー。 参照された研究は、 ネイチャー·コミュニケーションズ.
ニッケルマンガンコバルト（NMC）粒子で作られたカソードは、導電性カーボンマトリックスによって結合されています。 研究者たちは、バッテリーの性能低下の原因は、粒子がそのマトリックスから離脱することである可能性があると推測しています。 チームは、SLACのスタンフォード大学が運営するエネルギー省のユニットであるSLAのStanford Synchrotron Radiation Lightsource（SSRL）と、X線の進歩のためのヨーロッパの共同研究であるEuropean Synchrotron Radiation Facility（ESRF）の高度な機能にアクセスできました。フランス、グルノーブルを拠点としています。 目標は、NMC粒子がどのようにバラバラになり、マトリックスから離れるのか、そしてそれがバッテリーのパフォーマンスの低下にどのように関係するのかを示す図を作成することでした。
チームはAI機能を備えたコンピュータービジョンに目を向け、研究の実施を支援しました。 彼らは、さまざまなタイプの粒子を認識する方法でデータをトレーニングするための機械学習モデルを必要としており、大小のNMC粒子がどのようにカソードから離脱するかを示すXNUMX次元画像を作成できました。
著者らは、バッテリーの健康状態についてより多くの研究を奨励しました。 「私たちの調査結果は、電池の電極の微細構造の進化する性質を統計的信頼性で正確に定量化することの重要性を浮き彫りにします。これは、より高い電池容量に対する活性粒子の有用性を最大化するための鍵です」と著者らは述べた。
（引用：Jiang、Z.、Li、J.、Yang、Y。 ら 機械学習で明らかになった、リチウムイオンバッテリーカソードの粒子-炭素/バインダー脱離の統計。 Nat Commun 11、2310（2020）。 https://doi.org/10.1038/s41467-020-16233-5)
（スタンフォード大学、MIT、およびトヨタ研究所の研究者がどのように電気自動車の充電時間の大幅な削減を研究しているかについての説明は、 AIトレンド。).
のソース記事を参照してください サイエンスデイリー, サイテックデイリー および ネイチャー·コミュニケーションズ.
