机器学习模型可以预测电池周期寿命

可视化一个心理学家告诉新生孩子的父母的场景。现在，使用新型计算模型的电池化学家可以使用相同的经验来评估电池寿命，这取决于单个实验数据周期。

美国能源部（DOE）的调查人员阿贡国家实验室诉诸于机器学习的力量，以预测各种电池化学的寿命。

研究人员有可能精确地确定在Argonne在Argonne收集的300个电池中收集的实验数据的帮助，这些电池将继续循环多长时间，这些电池代表了六种不同的电池化学。

就机器学习算法而言，研究人员训练计算机程序，以对初始数据集创建推断，并随后从该培训中吸收的内容，以对更多数据做出决策。

对于每种不同类型的电池应用，从手机到电动汽车再到电网存储，电池寿命对于每个消费者都至关重要。必须循环数千次，直到失败可能需要数年时间。我们的方法创建了一种计算测试厨房，我们可以快速确定不同的电池将如何执行。

诺亚·鲍尔森（Noah Paulson），研究作者和计算科学家，阿贡国家实验室

“目前，评估电池容量如何实际循环电池的唯一方法。非常昂贵，需要很长时间”该研究的合着者Argonne电化学家Susan“ Sue” Babinec补充说。

鲍尔森认为，修复电池寿命的过程可能是一项艰巨的任务。

“现实是，电池不会永远持续下去，以及它们最后依赖于我们使用的方式以及它们的设计和化学反应。到目前为止，确实没有一个好方法来知道电池将持续多长时间。人们将想知道他们有多长时间，直到他们必须花钱买新电池，”保尔森补充说。

该研究的一个特殊方面是，它取决于在Argonne对一系列电池阴极材料进行的全面实验工作，尤其是Argonne获得专利的镍 - 曼加尼斯 - 基果粘合（NMC）基于的阴极。亚博网站下载

我们的电池代表了不同的化学作用，它们具有不同的方式，它们会降低和失败。这项研究的价值在于，它给了我们信号，这些信号是电池执行方式的特征。

诺亚·鲍尔森（Noah Paulson），研究作者和计算科学家，阿贡国家实验室

据保尔森说，该领域的其他研究可以指导锂离子电池的未来。

我们能够做的一件事是在已知的化学反应上训练算法，并对未知的化学做出预测。本质上，该算法可能有助于我们指向新的和改进的化学物质的方向，以提供更长的寿命。

诺亚·鲍尔森（Noah Paulson），研究作者和计算科学家，阿贡国家实验室

在这种方法中，保尔森坚信机器学习算法可以加快电池材料的开发和测试。亚博网站下载

鲍尔森说：“假设您有一种新材料，然后循环几次。您可以使用我们的算法来预测其寿命，然后决定是否要继续实验循环。”

Babinec补充说：“如果您是实验室的研究人员，则可以在较短的时间内发现和测试更多材料，因为您有一种评估它们的速度。亚博网站下载透明

该研究发表在电源杂志。

除保尔森和巴比尼克外，该研究的其他作者还包括约瑟夫·库巴尔，洛根·沃德，索拉布·萨克斯纳和来自阿贡的温quan lu。

这项研究得到了Argonne实验室指导的研发（LDRD）资助的财务支持。

期刊参考：

鲍尔森（N. H.）等。（2022）用于机器学习的功能工程启用了电池寿命的早期预测。电源杂志。doi.org/10.1016/j.jpowsour.2022.231127。

来源：https://www.anl.gov/