機械学習でバッテリーの寿命を予測する

新しい研究では、米国エネルギー省（DOE）のアルゴンヌ国立研究所の研究者が、さまざまな電池の化学的性質の寿命を予測するために機械学習に目を向けました。科学者は、6つの異なる電池の化学的性質を表す300個の電池のセットからアルゴンヌで収集された実験データを使用することにより、さまざまな電池がどれだけ長く循環し続けるかを正確に判断できます。

機械学習アルゴリズムでは、科学者はコンピュータプログラムをトレーニングして、そこに供給される既知のデータの初期セットを推測し、そのトレーニングから学んだことを利用して、未知のデータの新しいセットを決定します。

「携帯電話から電気自動車、グリッドストレージに至るまで、さまざまな種類のバッテリーアプリケーションにとって、バッテリーの寿命は基本的に重要です」と、この研究の著者であるアルゴンヌ計算科学者のノアポールソンは述べています。 「バッテリーが故障するまで何千回もサイクルしなければならない場合、何年もかかることがあります。私たちの方法は、さまざまなバッテリーの性能をすばやく確認できる一種の計算テストキッチンを作成します。」

「現在、バッテリーの容量がどのように低下​​するかを評価する唯一の方法は、実際にバッテリーを循環させることです」と、この研究の別の著者であるアルゴンヌの電気化学者スーザン「スー」バビネックは付け加えました。 「非常に高額で時間がかかります。」

ポールソンによれば、バッテリーの寿命を確立するプロセスは難しい場合があります。 「現実には、バッテリーは永遠に続くわけではありません。バッテリーの寿命は、バッテリーの使用方法、デザイン、化学的性質によって異なります」と彼は言います。 「これまで、バッテリーの持続時間を知るための優れた方法はありませんでした。人々は、新しいバッテリーにお金を使わなければならないまでの期間を知りたがるでしょう。」

この研究のユニークな側面の1つは、アルゴンヌで行われたさまざまな電池のカソード材料、特にアルゴンヌの特許取得済みのニッケルマンガンコバルト（NMC）ベースのカソードに関する広範な実験作業に依存していることです。 「私たちはさまざまな化学物質を表すバッテリーを持っていましたが、それらは劣化して故障するさまざまな方法を持っていました」とポールソンは言いました。 「この調査の価値は、さまざまな電池の性能に特徴的な信号が得られたことです。」

この分野でのさらなる研究は、リチウムイオン電池の未来を導く可能性があるとポールソン氏は語った。 「私たちができることの1つは、既知の化学でアルゴリズムをトレーニングし、未知の化学で予測を行わせることです」と彼は言いました。 「本質的に、アルゴリズムは、より長い寿命を提供する新しく改良された化学の方向に私たちを向けるのに役立つかもしれません。」

このように、ポールソンは、機械学習アルゴリズムが電池材料の開発とテストを加速できると信じています。 「新しい素材があり、それを数回循環させたとします。私たちのアルゴリズムを使用してその寿命を予測し、それを実験的に循環させ続けるかどうかを決定することができます。」

「ラボの研究者であれば、より迅速に評価できるため、より多くの材料をより短時間で発見してテストできます」とBabinec氏は付け加えました。

この研究に基づく論文「機械学習の特徴工学により、バッテリーの寿命を早期に予測できるようになりました」が、 Journal of Power