研究人员利用机器学习开发电池技术 旨在开发10分钟充电电池

电动汽车充电企业Ionity将出售少数股权

大龙车务 在利用机器学习来加速电池设计方面，科学家们迈出了重要的一步：将机器学习与从实验和由物理学指导的方程式中获得的知识结合起来，从而发现快速充电锂离子电池寿命缩短的原因。

 （图片来源：SLAC）

，斯坦福大学、SLAC国家加速器实验室（SLAC National Accelerator Laboratory）、麻省理工学院和丰田研究所的研究人员，首次将“科学机器学习”（scientific machine learning）方法应用于电池循环，其目标是将基础研究和行业知识结合起来，开发一种可以在10分钟内充电的长寿命电池。 

主要研究人员Will Chueh表示，这项研究结果推翻了长期以来关于锂离子电池如何充放电的假设，并为研究人员提供了一套新规则，用以设计更持久的电池。 

丰田研究所高级研究科学家Patrick Herring表示：“通过了解电池内部发生的基本反应，我们可以延长电池寿命，实现更快的充电速度，并设计出更好的电池材料。”

在之前的两项研究进展中，研究人员利用更传统的机器学习形式，大幅加快电池测试和筛选可行充电方法的过程，以找到最佳方法。但是，对于为何一些电池比其他电池的续航时间更长这一问题，他们并没有找到其中潜在的物理或化学原因。 

Chueh表示：“在这种情况下，我们正在教机器如何学习一种新型失效机制的物理原理，以设计更好、更安全的快速充电电池。快速充电会给电池带来极大的压力，并对电池造成损害。解决这一问题，是推动发展的关键，并有助于减少对气候的影响。” 

将这三种方法结合起来，有望加快新电池技术的开发速度，使其从实验室到达消费者手中的时间缩短三分之二之多。这种新的联合方法也可用于开发电网级电池系统，用于更大规模的风能和太阳能发电。

这项新的研究将重点放在电池电极上，这种电极由纳米级颗粒凝聚在一起形成颗粒。在充放电过程中，锂离子在正负极之间来回移动，从颗粒中进进出出。在这种持续不断的作用下，粒子会发生膨胀、收缩和破裂，使其储存电荷的能力逐渐降低。快速充电只会让情况变得更糟。

为了更详细地观察这一过程，研究小组观察由镍、锰和钴组成的正极颗粒的行为，这种NMC材料是电动汽车电池中使用最广泛的材料之一。这些颗粒可以在电池放电时吸收锂离子，并在充电时将其释放出来。研究人员利用斯坦福同步辐射光源（SLAC’s Stanford Synchrotron Radiation Lightsource）的X射线，对正在进行快速充电的粒子进行全面观察。然后，将粒子带到劳伦斯伯克利国家实验室的先进光源（Lawrence Berkeley National Laboratory’s Advanced Light Source），用扫描X射线透射显微镜进行检测，追踪单个粒子。

相关实验数据、来自快速充电数学模型的信息，以及描述这一化学和物理过程的方程式信息，被纳入了科学机器学习算法。研究人员表示，在建模过程中，“我们没有像前两项研究那样，通过简单地输入数据，让计算机直接计算出模型，而是教会了计算机如何选择或学习正确的方程，从而获得正确的物理信息。”

科学家们一直认为颗粒之间的差异微不足道，其储存和释放离子的能力，受限于锂在颗粒内的移动速度。从这一角度看，锂离子会在同一时间流入和流出所有粒子，并且速度大致相同。

通过新方法可以看出，当电池充电时，这些颗粒本身控制锂离子从正极颗粒中移出的速度。有些粒子会立即释放大量离子，而另一些粒子释放的离子很少，甚至根本不释放。而且，快速释放的粒子会继续释放离子，其速度比它们的邻居更快。这是一种积极的反馈效果，是以前没有发现的。

研究人员表示：“现在，我们发现了锂在电池内部的移动方式，这与科学家和工程师们想象的大不相同。不均匀充放电给电极带来了更大的压力，使其工作寿命缩短。从根本上了解这一过程，是解决快速充电问题的重要一步。”

科学家们表示，新方法有望提高电池的成本、存储容量、耐用性和其他重要性能，而且应用范围广泛，如电动汽车、笔记本电脑，以及在电网上大规模储存可再生能源。

康明斯推出全新重型天然气动力总成：ISX12N发动机+Endurant HD N自动变速箱