研究人员现在可以通过机器学习来预测电池寿命

想象一下，在你出生的那天，一个灵媒告诉你的父母，你能活多久。对于电池化学家来说，类似的体验是可能的，他们正在使用新的计算模型来计算电池寿命，即使是基于一个周期的实验数据。

在一项新的研究中，美国能源部(DOE)阿贡国家实验室(Argonne National Laboratory)的研究人员借助机器学习的力量来预测各种不同电池化学成分的寿命。通过使用在阿贡收集的一组代表六种不同电池化学成分的300个电池的实验数据，科学家们可以准确地确定不同电池的持续循环时间。

在机器学习算法中，科学家训练一个计算机程序对一组初始数据做出推断，然后利用它从训练中学到的东西对另一组数据做出决定。

该研究的作者之一、Argonne的计算科学家诺亚·保尔森(Noah Paulson)说:“从手机到电动汽车再到电网存储，对于每一个消费者来说，电池寿命都是至关重要的。”“要将电池循环数千次直到它失效，可能需要数年时间;我们的方法创造了一种计算测试厨房，在那里我们可以快速确定不同电池的性能。”

“目前，评估电池容量如何下降的唯一方法是实际循环电池，”该研究的另一位作者，阿贡电化学化学家苏珊·巴比涅克补充说。“它非常昂贵，需要很长时间。”

根据保尔森的说法，确定电池寿命的过程可能很棘手。他说:“现实情况是，电池不能永远使用，它们能使用多长时间取决于我们使用它们的方式，以及它们的设计和化学成分。”“到目前为止，还没有一种很好的方法来知道电池可以使用多长时间。人们会想知道他们还能活多久，直到他们不得不花钱买新电池。”

这项研究的一个独特方面是，它依赖于阿贡公司对各种电池正极材料所做的大量实验工作，尤其是阿贡公司获得专利的镍锰钴(NMC)型阴极。保尔森说:“我们有代表不同化学成分的电池，它们会以不同的方式退化和失效。”“这项研究的价值在于，它为我们提供了不同电池性能的特征信号。”

保尔森说，对这一领域的进一步研究有可能指导锂离子电池的未来。他说:“我们能够做的一件事是，在已知的化学物质上训练算法，并让它对未知的化学物质做出预测。”“从本质上说，该算法可能会帮助我们找到新的、改进的化学物质，提供更长的寿命。”

通过这种方式，保尔森认为机器学习算法可以加速电池材料的开发和测试。“假设你有一种新材料，你循环使用它几次。你可以使用我们的算法来预测它的寿命，然后决定是否要继续进行实验循环。”

“如果你是实验室的研究人员，你可以在更短的时间内发现和测试更多的材料，因为你有一个更快的方法来评估它们，”巴比涅克补充说。