新的机器学习方法可以为电动汽车的电池开发提供动力

从行驶距离到充电时间再到汽车使用寿命，电池性能都会影响电动汽车的体验。现在，人工智能已经使梦想变成了现实，比如在加油站停车时给电动汽车充电，这将成为现实，并且可以帮助改善电池技术的其他方面。

几十年来，电动汽车电池的发展一直受到主要瓶颈的限制：评估时间。在电池开发过程的每个阶段，必须对新技术进行几个月甚至几年的测试，以确定它们将持续多长时间。但是现在，由斯坦福大学教授Stefano Ermon和William Chueh领导的团队开发了一种基于机器学习的方法，该方法将这些测试时间缩短了98%。尽管该小组在电池充电速度方面测试了他们的方法，但他们表示该方法可以应用于电池开发流程的许多其他部分，甚至可以应用于非能源技术。

“在电池测试中，您必须尝试大量的事情，因为获得的性能会大大不同，”计算机科学助理教授Ermon说。“借助AI，我们能够迅速找到最有前途的方法，并消除了许多不必要的实验。”

该研究于2月19日由《自然》杂志发表，是斯坦福大学，麻省理工学院和丰田研究所的科学家之间更大合作的一部分，该合作将基础学术研究与现实世界的工业应用联系起来。目标：找到在10分钟内为EV电池充电的最佳方法，以最大化电池的整体寿命。研究人员编写了一个程序，该程序仅基于几个充电周期即可预测电池对不同充电方式的反应。该软件还实时确定关注或忽略哪些计费方式。通过减少试验的时间和数量，研究人员将测试过程从近两年缩短到了16天。

彼得·阿蒂亚(Peter Attia)说：“我们想出了如何极大地加快超快速充电的测试过程的方法。” “不过，真正令人兴奋的是这种方法。我们可以将这种方法应用于目前困扰电池开发几个月或几年的许多其他问题。”

电池测试的更智能方法

设计超快速充电电池是一项重大挑战，主要是因为很难使它们持续使用。更快的充电强度会使电池承受更大的压力，这通常会导致电池过早失效。为了防止损坏构成电动汽车总成本很大一部分的电池组，电池工程师必须测试一系列详尽的充电方法，以找到最有效的充电方法。

新的研究试图优化这一过程。从一开始，团队就发现快速充电优化相当于许多反复试验的测试-对人类而言这是低效率的，但对于机器而言却是完美的问题。

共同领导这项研究的计算机科学研究生Aditya Grover说：“机器学习是反复试验，但是以一种更明智的方式。” “在确定何时进行探索(尝试新的和不同的方法)以及何时对最有前途的方法进行开发或零投入方面，计算机要比我们好得多。”