人工知能はバッテリーの健康と安全性を向上させます
研究者は、電池に電気パルスを送り、応答を測定することにより、電池を監視する新しい方法を設計しました。次に、測定値は機械学習アルゴリズムによって処理され、バッテリーの状態と有効寿命が予測されます。この方法は非侵襲的であり、既存のバッテリーシステムへの簡単なアドオンです。
リチウムイオン電池の健康状態と残りの有効寿命を予測することは、電気自動車の普及を制限する大きな問題の1つであり、携帯電話の安全性にも影響を及ぼします。時間の経過とともに、バッテリーのパフォーマンスは、微妙な化学プロセスの複雑なネットワークを介して低下します。個別に、これらの各プロセスはバッテリーのパフォーマンスにあまり影響を与えませんが、全体として、バッテリーのパフォーマンスと寿命を大幅に短縮する可能性があります。
バッテリーの状態を予測するための現在の方法は、バッテリーの充電および放電中の電流と電圧を追跡することに基づいています。これは、バッテリーの状態を示す重要な機能を見逃しています。バッテリー内で発生している多くのプロセスを追跡するには、動作中のバッテリーをプローブする新しい方法と、充電および放電時に微妙な信号を検出できる新しいアルゴリズムが必要です。
研究者たちは、バッテリーに電気パルスを送り、その応答を測定することにより、バッテリーを監視する方法を設計しました。次に、機械学習モデルを使用して、バッテリーの経年劣化の明らかな兆候である電気的応答の特定の機能を発見します。研究者は、モデルをトレーニングするために20,000を超える実験測定を実行しました。重要なことに、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。この方法は非侵襲的であり、既存のバッテリーシステムへの簡単なアドオンです。
研究者たちはまた、機械学習モデルを解釈して、劣化の物理的メカニズムについてのヒントを与えることができることを示しました。このモデルは、どの電気信号が老化と最も相関しているのかを知ることができます。これにより、バッテリーが劣化する理由と方法を調査するための特定の実験を設計できます。
機械学習プラットフォームは、さまざまな電池の化学的性質の劣化を理解するために使用されています。急速充電を可能にし、劣化を最小限に抑えるために、機械学習を利用した最適なバッテリー充電プロトコルが開発されています。
センサー