英国研究人员利用人工智能技术改善电池健康和安全性

锂电池的健康状况和剩余寿命预测一直是电动汽车广泛应用的难题。随着时间的推移，电池内部发生的复杂精细化学反应会渐渐侵蚀其性能。这些单个反应看似微不足道，但它们聚合在一起，会大幅缩减电池寿命。为了攻克这一难题，来自剑桥和纽卡斯尔两所大学的研究团队设计了一种全新方法。他们向电池发送电脉冲，借此观察电池的响应以监测其状态。此后，利用机器学习算法对这些响应数据进行解析，以预测电池的健康状况和使用寿命。

在研究过程中，“安全性与可靠性”成为了核心设计准则，因为电池能够在有限的空间内储存大量的能量。阿尔法·李博士表示：“通过优化监测充放电的软件流程并引入数据驱动的控制机制，我们有信心大幅改善电池性能。”他们开发了一种方法，通过发送电脉冲并解读电池的响应来监测电池状态。接着，他们使用机器学习模型识别这些响应中的关键特征，这些特征是电池老化的迹象。为了训练这个模型，研究人员进行了超过20,000次的实验测量。值得注意的是，该模型能够精准地区分出关键信号与无关噪声。他们的技术属于无创检测，并且作为一个附加系统非常简单。

机器学习模型的发现还为电池退化背后的物理机制提供了线索。模型能够识别出哪些电信号与电池老化最为相关，从而允许研究人员设计特定的实验来深入研究电池退化的原因和过程。张云伟博士表示：“机器学习是对物理理解的补充和增强。我们的模型所识别出的可解释信号是未来理论和实验研究的起点。”这项重要的研究成果已经发表在《自然通讯》杂志上。该团队的突破性研究可能会助力解决电动汽车领域的难题，为更广泛的应用铺平道路。