Nhân viên xu hướng AI
Các kỹ thuật AI đang được các nhà nghiên cứu áp dụng nhằm mục đích kéo dài tuổi thọ và theo dõi tình trạng của pin, nhằm cung cấp năng lượng cho thế hệ xe điện và thiết bị điện tử tiêu dùng tiếp theo.
Các nhà nghiên cứu tại Đại học Cambridge và Newcastle đã thiết kế một phương pháp học máy có thể dự đoán tình trạng pin với độ chính xác gấp 10 lần so với tiêu chuẩn ngành hiện tại, theo một tài khoản trên ScienceDaily. Lời hứa là phát triển các loại pin an toàn hơn và đáng tin cậy hơn.
Theo một cách mới để theo dõi pin, các nhà nghiên cứu đã gửi các xung điện vào chúng và theo dõi phản ứng. Các phép đo sau đó được xử lý bằng thuật toán học máy để cho phép dự đoán tình trạng và thời gian sử dụng của pin. Phương pháp này không xâm lấn và có thể được thêm vào bất kỳ hệ thống pin nào.
Việc không thể dự đoán mức sạc hữu ích còn lại trong pin lithium-ion là một hạn chế đối với việc sử dụng xe điện và gây khó chịu cho người dùng điện thoại di động. Các phương pháp dự đoán tình trạng pin hiện tại dựa trên việc theo dõi dòng điện và điện áp trong quá trình sạc và xả pin. Các phương pháp mới nắm bắt nhiều hơn về những gì đang xảy ra bên trong pin và có thể phát hiện tốt hơn những thay đổi tinh vi.
Tiến sĩ Alpha Lee từ Phòng thí nghiệm Cavendish của Cambridge, người đồng chủ trì nghiên cứu, cho biết: “An toàn và độ tin cậy là tiêu chí thiết kế quan trọng nhất khi chúng tôi phát triển loại pin có thể chứa nhiều năng lượng trong một không gian nhỏ”. “Bằng cách cải tiến phần mềm giám sát quá trình sạc và xả cũng như sử dụng phần mềm dựa trên dữ liệu để kiểm soát quá trình sạc, tôi tin rằng chúng ta có thể tạo ra sự cải thiện lớn về hiệu suất của pin”.
Các nhà nghiên cứu đã thực hiện hơn 20,000 phép đo thử nghiệm để huấn luyện mô hình cách phát hiện các dấu hiệu lão hóa của pin. Mô hình học cách phân biệt các tín hiệu quan trọng với nhiễu không liên quan. Mô hình này tìm hiểu những tín hiệu điện nào có liên quan nhiều nhất đến sự lão hóa, sau đó cho phép các nhà nghiên cứu thiết kế các thí nghiệm cụ thể để tìm hiểu sâu hơn lý do tại sao pin xuống cấp.
Đồng tác giả, Tiến sĩ Yunwei Zhang, cũng từ Phòng thí nghiệm Cavendish, cho biết: “Học máy bổ sung và tăng cường hiểu biết vật lý”. Các tín hiệu có thể giải thích được xác định bởi mô hình học máy của chúng tôi là điểm khởi đầu cho các nghiên cứu lý thuyết và thực nghiệm trong tương lai.
Khoa Các nhà nghiên cứu năng lượng sử dụng kỹ thuật thị giác máy tính AI
Các nhà nghiên cứu tại Phòng thí nghiệm Máy gia tốc Quốc gia SLAC của Bộ Năng lượng đang sử dụng kỹ thuật thị giác máy tính AI để nghiên cứu thời lượng pin. Các nhà khoa học đang kết hợp thuật toán học máy với dữ liệu chụp cắt lớp tia X để tạo ra bức tranh chi tiết về sự xuống cấp của một thành phần pin, cực âm, theo một tài khoản trên Khoa học hàng ngày. Nghiên cứu tham khảo đã được công bố trên Nature Communications.
Đối với catốt làm từ các hạt niken-mangan-coban (NMC) được giữ với nhau bằng ma trận cacbon dẫn điện. Các nhà nghiên cứu đã suy đoán rằng nguyên nhân làm giảm hiệu suất của pin có thể là do các hạt tách ra khỏi ma trận đó. Nhóm đã có quyền truy cập vào các khả năng tiên tiến tại Nguồn sáng bức xạ Synchrotron Stanford (SSRL) của SLAC, một đơn vị thuộc Bộ Năng lượng do Đại học Stanford điều hành và Cơ sở bức xạ Synchrotron Châu Âu (ESRF), một cơ quan hợp tác của Châu Âu vì sự tiến bộ của tia X, có trụ sở tại Grenoble, Pháp. Mục tiêu là xây dựng một bức tranh về cách các hạt NMC tách ra và thoát khỏi ma trận cũng như điều đó liên quan đến việc giảm hiệu suất của pin như thế nào.
Nhóm đã chuyển sang sử dụng thị giác máy tính với khả năng AI để giúp tiến hành nghiên cứu. Họ cần một mô hình học máy để huấn luyện dữ liệu về cách nhận biết các loại hạt khác nhau, để họ có thể phát triển bức tranh ba chiều về cách các hạt NMC, dù lớn hay nhỏ, tách ra khỏi cực âm.
Các tác giả khuyến khích nghiên cứu nhiều hơn về tình trạng pin. Các tác giả cho biết: “Phát hiện của chúng tôi nhấn mạnh tầm quan trọng của việc định lượng chính xác bản chất phát triển của cấu trúc vi mô của điện cực pin với độ tin cậy thống kê, đây là chìa khóa để tối đa hóa tiện ích của các hạt hoạt động hướng tới dung lượng pin cao hơn”.
(Trích: Jiang, Z., Li, J., Yang, Y. et al. Số liệu thống kê do máy học tiết lộ về sự tách rời hạt-cacbon/chất kết dính trong cực âm của pin lithium-ion. Cộng đồng 11, 2310 (năm 2020). https://doi.org/10.1038/s41467-020-16233-5)
(Để biết cách các nhà nghiên cứu từ Đại học Stanford, MIT và Viện Nghiên cứu Toyota đang nghiên cứu việc giảm triệt để thời gian sạc xe điện, hãy xem Xu hướng AI.).
Xem nguồn bài viết tại ScienceDaily, khoa học công nghệ hàng ngày và Nature Communications.
