Bayangkan seorang psikik memberitahu ibu bapa anda, pada hari anda dilahirkan, berapa lama anda akan hidup.Pengalaman yang serupa mungkin berlaku untuk ahli kimia bateri yang menggunakan model pengiraan baharu untuk mengira jangka hayat bateri berdasarkan sesedikit kitaran data percubaan.

Dalam kajian baharu, penyelidik di Makmal Kebangsaan Argonne Jabatan Tenaga (JAS) AS telah beralih kepada kuasa pembelajaran mesin untuk meramalkan jangka hayat pelbagai jenis kimia bateri yang berbeza.Dengan menggunakan data eksperimen yang dikumpul di Argonne daripada satu set 300 bateri yang mewakili enam kimia bateri yang berbeza, para saintis boleh menentukan dengan tepat berapa lama bateri yang berbeza akan terus berkitar.

Penyelidik Argonne telah menggunakan model pembelajaran mesin untuk membuat ramalan hayat kitaran bateri untuk pelbagai jenis kimia yang berbeza.(Imej oleh Shutterstock/Sealstep.)

Dalam algoritma pembelajaran mesin, saintis melatih program komputer untuk membuat inferens pada set data awal, dan kemudian mengambil apa yang telah dipelajari daripada latihan itu untuk membuat keputusan pada set data yang lain.

"Untuk setiap jenis aplikasi bateri yang berbeza, daripada telefon bimbit ke kenderaan elektrik hingga storan grid, hayat bateri adalah penting bagi setiap pengguna," kata saintis pengiraan Argonne, Noah Paulson, pengarang kajian itu.“Perlu mengitar bateri beribu-ribu kali sehingga ia gagal boleh mengambil masa bertahun-tahun;kaedah kami mencipta sejenis dapur ujian pengiraan di mana kami boleh dengan cepat menentukan prestasi bateri yang berbeza."

"Pada masa ini, satu-satunya cara untuk menilai bagaimana kapasiti dalam bateri pudar adalah dengan benar-benar mengitar bateri," tambah ahli elektrokimia Argonne Susan ​"Sue" Babinec, pengarang lain kajian itu.“Ia sangat mahal dan ia mengambil masa yang lama.”

Menurut Paulson, proses mewujudkan jangka hayat bateri boleh menjadi rumit."Realitinya ialah bateri tidak kekal selama-lamanya, dan berapa lama ia bertahan bergantung pada cara kami menggunakannya, serta reka bentuk dan kimianya," katanya.“Sehingga kini, tidak ada cara terbaik untuk mengetahui berapa lama bateri akan bertahan.Orang ramai akan mahu tahu berapa lama mereka ada sehingga mereka perlu membelanjakan wang untuk bateri baharu.”

Satu aspek unik kajian ialah ia bergantung pada kerja eksperimen yang meluas yang dilakukan di Argonne pada pelbagai bahan katod bateri, terutamanya katod berasaskan nikel-mangan-kobalt (NMC) yang dipatenkan oleh Argonne."Kami mempunyai bateri yang mewakili kimia yang berbeza, yang mempunyai cara yang berbeza untuk merendahkan dan gagal," kata Paulson."Nilai kajian ini ialah ia memberi kami isyarat yang merupakan ciri prestasi bateri yang berbeza."

Kajian lanjut dalam bidang ini berpotensi untuk membimbing masa depan bateri lithium-ion, kata Paulson."Salah satu perkara yang boleh kami lakukan ialah melatih algoritma pada kimia yang diketahui dan memintanya membuat ramalan mengenai kimia yang tidak diketahui," katanya."Pada asasnya, algoritma boleh membantu menunjukkan kami ke arah kimia baharu dan dipertingkat yang menawarkan jangka hayat yang lebih lama."

Dengan cara ini, Paulson percaya bahawa algoritma pembelajaran mesin boleh mempercepatkan pembangunan dan ujian bahan bateri.“Katakan anda mempunyai bahan baharu, dan anda mengitarnya beberapa kali.Anda boleh menggunakan algoritma kami untuk meramalkan jangka hayatnya, dan kemudian membuat keputusan sama ada anda mahu terus mengitarnya secara eksperimen atau tidak."

"Jika anda seorang penyelidik dalam makmal, anda boleh menemui dan menguji lebih banyak bahan dalam masa yang lebih singkat kerana anda mempunyai cara yang lebih pantas untuk menilai mereka," tambah Babinec.

Kertas kerja berdasarkan kajian, "Kejuruteraan ciri untuk pembelajaran mesin mendayakan ramalan awal hayat bateri,” muncul dalam edisi dalam talian 25 Februari Jurnal Sumber Kuasa.

Selain Paulson dan Babinec, pengarang lain kertas kerja termasuk Argonne's Joseph Kubal, Logan Ward, Saurabh Saxena dan Wenquan Lu.

Kajian itu dibiayai oleh geran Penyelidikan dan Pembangunan (LDRD) Arahan Makmal Argonne.