利用人工智能打造下一代电池 推动实现全面电动化未来

据外媒报道，向全电动未来的过渡取决于低成本、高性能和更安全的电池。使用固态方法和其他下一代电池化学方法来优化电池的能量密度和功率，已经取得了不同程度的成功。然而，目前还没有办法实现商业化，以满足电动汽车、医疗设备、无人机和储能解决方案等先进技术的爆炸式增长需求。

随着各国争夺全球电池市场，人工智能已成为加速创新的一种很有前途的工具。新一代电池必须能够在没有任何故障的情况下快速充电。这些电池还需要超过当前的性能标准，保持低重量，并由易于大规模生产的材料组成。研究人员花了几十年时间探索解决方案，但由于实验缓慢、周转时间长和发现过程困难，进展缓慢。人工智能有助于解决这些长期挑战，缩短评估电池材料、电池结构和化学品的过程，将其从几年减少到几个月。为解决评估周期长的问题，生成电池性能数据的传统方法是不断向电池单元注入能量，直到电池耗尽。研究人员必须花费数年时间对电池进行数千次充电和放电才能获得所需的结果。通过这种方法预测电池退化对于开发更安全、易燃性更低的电池至关重要。然而，考虑到一些相对较新的应用正在迅速发展，例如电动汽车和家用太阳能（000591，Guba）+储能，显然没有太多时间可以浪费。电池科学家采用系统级方法，通过人工智能更有效地测试和了解电池组、它们的集成和预期性能。这种类型的人工智能应用还包括各种电池类型，以及它们不同的化学成分和预期性能，并有助于确定在多个电池或电池组之间分配能量的最佳方法。在更快、更有效地发现材料之前，研究人员面临着缩小下一代电池应用所需替代材料范围的艰巨任务。这个过程需要评估人员分析从测试过程中收集的大量数据。研究人员的操作速度只能和计算信息的机器一样快，而这通常需要几年的时间才能取得进展。通过人工智能，可以发现一些最初没有被考虑的有用材料组合。人工智能在材料发现过程中的应用在超导体等多个领域取得了令人感兴趣的成果，并将在电池领域具有良好的应用前景。在过去的几十年里，人们主要关注通过利用人工智能优化电池结构，通过电池化学来改善电池。然而，事实证明，改变电池的物理财产可以提高关键性能指标，如密度、容量和安全性。电池科学家可以使用人工智能更好地理解电极层面的结构-属性关系，以便为任何给定的应用设计最佳的电池结构。基于电池的使用和其他技术规范，人工智能可以为可能的结构设计提供有价值的建议，以优化电池性能。甚至有可能调整人工智能算法，并基于尚未应用的新兴技术和化学方法提出可能性。这就像有一个快速建造的电池原型工厂。从节省时间和成本的角度来看，这对整个价值链都是非常有益的。例如，电动汽车的性能在很大程度上取决于电池。将其与人工智能相结合，更好地了解如何提高电池的性能，而不仅仅是改善电池管理系统，具有重要意义。这将有助于为开发下一代电动汽车电池奠定基础。人工智能会决定电池竞争的结果吗？在电池科学领域，尽管人工智能仍然是一个新兴的应用，但有许多例子表明了其巨大的潜力。例如，斯坦福大学、麻省理工学院和丰田研究所的研究人员使用人工智能确定了在10分钟内为电动汽车电池充电的最佳方法。传统的方法……

需要500天的评估过程，该团队使用具有高度针对性的人工智能算法，在短短16天内从224个选项中确定最佳充电方法。不仅是研究人员，许多大公司也在采用这种方法。大众汽车正在与谷歌合作，利用人工智能和量子计算模拟和优化高性能电池的结构。松下声称受益于人工智能，在测试新设计时，人工智能可以显著减少电池充电和放电的必要次数。这些只是几个例子，随着机器学习技术的发展，相关的应用和优势也将迅速发展。目前，电池行业的竞争环境越来越激烈。下一代电池的商业化时间从5年到15年不等。保持竞争优势可能取决于通过人工智能加速测试阶段，并确定可以实现成本效率和性能改进的领域。

标签：发现大众丰田

汽车资讯热门资讯