随着时间的推移，锂离子电池会逐渐失去动力，科学家和工程师们正努力研究这个过程的细节。现在，美国能源部国家加速器实验室的科学家已经将复杂的机器学习算法与x射线断层扫描数据结合起来，生成了一幅详细的图像，展示了电池的阴极是如何随着电池使用而退化的。
这项新研究发表在五月八日的《自然通讯》（NatureCommunications）杂志上，研究的重点是如何更好地观察镍锰钴（NMC）构成的阴极中发生的情况。在这些阴极中，NMC颗粒由导电碳基体结合在一起，研究人员推测性能下降的一个原因可能是颗粒脱离了该基体。该团队的目标是将斯坦福大学的斯坦福同步加速器辐射光源（SSRL）和欧洲同步加速器辐射设施（ESRF）的尖端能力结合起来，全面了解NMC颗粒是如何分裂并脱离母体的，以及这可能如何导致性能损失。
当然，对人类来说，仅仅通过观察NMC阴极的照片就能了解发生了什么，这是一项艰巨的任务。因此，研究小组转向了计算机视觉，这是机器学习算法的一个分支，最初设计用来扫描图像或视频，识别和跟踪像狗或汽车这样的物体。
即便如此，也存在挑战。计算机视觉算法通常瞄准由亮线或暗线含义的边界，因此它们很难区分粘在一起的几个小的NMC颗粒和单个体型大但部分断裂的NMC颗粒；在大多数计算机视觉系统中，这些裂缝看起来像是干净的裂缝。
为了解决该问题，团队使用了一种算法来处理分层对象－例如，拼图游戏，尽管它由许多单独的部分组成，但我们仍将其视为一个完整的实体。在研究人员自己的输入和判断下，他们训练了该算法来区分不同种类的粒子，从而绘制了三维图，显示了NMC粒子（无论大小，是否破裂）是如何脱离阴极。
他们发现，至少在某些情况下，从碳基质上脱落的颗粒确实会严重影响电池的性能，例如智能手机等。
美国国家加速器实验室研究人员刘益进（YijinLiu）说，虽然大的NMC粒子更容易受到破坏和脱离，但也有相当多的小粒子脱离，总的来说，小粒子的行为方式会更多样。刘说，这一点很重要，因为研究人员普遍认为，通过制造更小的电池颗粒，他们可以制造更持久的电池——新研究表明，这可能不是那么简单。
