运用AI技术已经成为了当前开发新型电池的重要途径。
外媒报道称，剑桥大学和纽卡斯尔大学的研究人员设计了一种通过向电池发送电脉冲并测量响应来检测电池的新方法。通过机器学习算法处理测量结果，以预测电池的健康状况和使用寿命。
研究人员称，该技术可以以比当前行业标准高10倍的准确度预测电池的健康状况，从而有助于开发用于电动汽车和消费电子产品的更安全，更可靠的电池。
难以预测锂离子电池的健康状态和剩余使用寿命是限制电动汽车广泛采用的重要问题之一。在运行一段时间后，锂离子电池的会衰退，从而影响电池的使用状态和寿命。
当前的预测电池健康的方法是基于跟踪电池充电和放电期间的电流和电压，这错过了指示电池状态的重要功能。
因此，目前要拥有跟踪电池中发生的许多过程要探测电池实际运行情况的新方法，以及可以在充电和放电时检测出细微信号的新算法。
剑桥大学卡文迪许实验室的AlphaLee博士说：“安全性和可靠性是最重要的设计标准，因为我们开发的电池可以在很小的空间内包装大量能量。通过改进监视充电和放电的软件，并使用数据驱动的软件来控制充电过程，我相信我们可以大大改善电池性能。”
研究人员设计了一种通过向电池发送电脉冲并测量其响应来监视电池的方法。然后使用机器学习模型来发现电响应中的特定特点，这些特点是电池老化的迹象。研究人员进行了20000多次实验测量，以训练该模型，这是同类最大的数据集。
研究人员还表明，机器学习模型可以被解释为给出退化的物理机制的提示。该模型可以告知什么电信号与老化最相关，这反过来又使它们可以设计特定的实验来探究电池退化的原因和方式。
研究人员现在正在使用他们的机器学习平台来了解不同电池化学性质的退化。他们还开发了最佳的电池充电协议，通过机器学习来供电，以实现快速充电并最大程度地降低降级。
值得注意的是，除了剑桥大学之外，包括斯坦福大学、丰田汽车、松下等高校和公司也在借助AI技术研发新型电池和改善电池的性能。
例如，斯坦福大学与丰田研究人员合作开发了一种新机器学习方法，称可以加速电动汽车电池的开发。
具体而言，麻省理工学院斯坦福分校和丰田研究院的研究团队开发了一种基于机器学习的方法，将电池充电测试时间从近两年缩短至16天，缩短了近15倍，有助于加速新型电池的开发进度。
松下也开发出一种AI高科技材料分析手法，可以高速且高分辨率条件下，可视化锂离子电池内部材料在电池工作过程中的行动状态，这一状态的可视化，将会极大地影响锂离子电池的容量密度，充放电速度以及寿命等多种性能的改善。
