ИИ ускорил разработку быстрозаряжаемых батарей для электромобилей

ИЗ СТЭНДФОРДСКОГО УНИВЕРСИТЕТА

Искусственный интеллект сделал перезарядку электромобиля за время, необходимое для остановки на заправочной станции, более вероятной реальностью и может помочь улучшить другие аспекты технологии батарей.

В течение десятилетий достижения в области аккумуляторов электромобилей были ограничены одним из основных проблемных мест: временем службы батареи и скорость ее заряда. На каждом этапе процесса разработки батареи новые технологии должны тестироваться месяцами или даже годами, чтобы определить, как долго батареии будут работать. Но теперь команда во главе с профессорами Стэнфорда Стефано Эрмоном и Уильямом Чуэ разработали метод, основанный на машинном обучении, который сокращает время тестирования аж на 98 процентов. 

«С помощью ИИ мы можем быстро определить наиболее перспективные подходы и избавиться от множества ненужных экспериментов»,

– сказал Эрмон.

Исследование, опубликованное Nature 19 февраля, было частью более широкого сотрудничества ученых из Стэнфорда, Массачусетского технологического института и Тойотаского научно-исследовательского института, которое связывает фундаментальные научные исследования и практические применения в промышленности. Цель: найти лучший способ зарядки электромобиля за 10 минут, который продлит срок службы батареи. 

Исследователи написали программу, которая, основываясь только на нескольких циклах зарядки, предсказывала, как батареи будут реагировать на разные подходы к зарядке. Программное обеспечение также в режиме реального времени решало, на какую зарядку лучше ориентироваться, а какую игнорировать. 

Сокращая как продолжительность, так и количество испытаний, исследователи сократили процесс тестирования с двух лет до 16 дней.

«Мы выяснили, как значительно ускорить процесс тестирования для чрезвычайно быстрой зарядки», – сказал Питер Аттиа, который возглавлял исследование, когда он был аспирантом. «Что действительно интересно, так это метод. Мы можем применить этот подход ко многим другим проблемам, которые прямо сейчас сдерживают развитие батареи на месяцы или годы».

Разумный подход к тестированию батареи

Разработка сверхбыстрых зарядных батарей является серьезной проблемой, главным образом потому, что их трудно долго использовать. Интенсивность более быстрого заряда создает большую нагрузку на батарею, что часто приводит к ее преждевременному выходу из строя. Чтобы предотвратить это повреждение аккумуляторного блока, составляющего большую часть общей стоимости электромобиля, инженеры-аккумуляторщики должны протестировать исчерпывающую серию методов зарядки, чтобы найти наиболее подходящие.

Новое исследование стремилось оптимизировать этот процесс. Вначале команда увидела, что оптимизация быстрой зарядки сводится ко многим тестам методом проб и ошибок – что неэффективно для людей, но является идеальной проблемой для машины.

«Компьютеры намного лучше, чем мы, выясняют, когда исследовать – пробовать новые и разные подходы – и когда использовать или сосредоточиться на наиболее перспективных»,

– говорит Адитья Гровер, аспирант в области компьютерных наук, который был одним из руководителей исследования. 

В предыдущем исследовании ученые обнаружили, что вместо зарядки и перезарядки каждой батареи до тех пор, пока она не выйдет из строя они могут предсказать, как долго будет работать батарея только после первых 100 циклов зарядки. Это связано с тем, что система машинного обучения, пройдя обучение на нескольких батареях, работающих до отказа, может находить закономерности в ранних данных, которые предсказывают, как долго будет работать батарея.

Испытав меньшее количество методов за меньшее количество циклов, авторы исследования быстро нашли оптимальный протокол сверхбыстрой зарядки для своей батареи. По словам Эрмона, в дополнение к резкому ускорению процесса тестирования, компьютерное решение было также лучше – и гораздо более необычным – чем то, что, вероятно, разработал бы специалист по аккумуляторам.

«Это дало нам этот удивительно простой протокол зарядки – то, чего мы не ожидали», – сказал Эрмон. Вместо зарядки при максимальном токе в начале заряда, решение алгоритма использует максимальный ток в середине заряда. «В этом разница между человеком и машиной: на машину не влияет человеческая интуиция, которая является полезной, но иногда и вводящей в заблуждение».

Более широкая область применения

Исследователи заявили, что их подход может ускорить практически каждый этап разработки батареи: от разработки химического состава батареи до определения ее размера и формы и поиска более совершенных систем для производства и хранения. Это будет иметь широкие последствия не только для электромобилей, но и для других типов накопления энергии.

«Это новый способ разработки аккумуляторов», – сказал Патрик Херринг, соавтор исследования и ученый из исследовательского института Toyota. «Наличие данных, которыми вы можете поделиться среди большого числа людей в научных кругах и промышленности, и которые автоматически анализируются, позволяет намного быстрее внедрять инновации».

Херринг добавил, что будущим ученым, работающим с батареями, будет предоставлена ​​бесплатная система машинного обучения и сбора данных. По его словам, использование этой системы для оптимизации других частей процесса с помощью машинного обучения, разработки аккумуляторов и появления новых, более совершенных технологий может ускориться на порядок или более.

По словам Эрмона, потенциал метода исследования распространяется даже за пределы мира батарей. Другие проблемы тестирования больших данных, от разработки лекарств до оптимизации характеристик рентгеновских лучей и лазеров, также могут быть революционизированы с помощью оптимизации машинного обучения. 

DOI: 10.1038 / s41586-020-1994-5