跳到内容 跳到导航

Research & Ideas

站内搜索

我们怎么能增压电池发展电动汽车

近十五倍 - 利用人工智能的一个研究小组已经削减了电池测试的时间 - 一个主要障碍,为电动汽车更持久,更快速的充电电池。

A painted icon of a car with an electric plug attached to it, on pavement

目标:找到充电在10分钟内,最大限度地提高电池的总寿命的电动汽车动力电池的最佳方法。 | stocksy /梅拉妮金茨

电池性能可以使或打破电动车的经验,从练习场充电时间到汽车的使用寿命。

现在,人工智能已经取得的梦想就像它需要停在一个加油站更有可能的现实,并有助于提高电池技术等方面的时间充电的电动车。

评估时间:几十年来,在电动汽车电池的发展已经由一大瓶颈限制。在电池开发过程的每一个阶段,新技术必须为几个月甚至几年,以确定他们会持续多久进行测试。但现在,一个团队领导由CQ9电子游戏教授 斯特凡诺ermon威廉觉 已开发出机基于学习的方法,该方法斜线这些测试时间由98%以上。尽管该组测试它们对电池充电速度的方法,他们说,这可以被应用到电池发展管道的许多其它部件,甚至非能源技术。

“在电池测试中,你必须尝试的东西数量庞大,因为你得到的性能会急剧变化,说:” ermon,计算机科学系的助理教授。 “艾未未,我们能够快速识别最有前途的方法和切出了许多不必要的实验。”

研究, 发表 通过 性质 在二月19日,来自CQ9电子游戏,麻省理工学院和丰田汽车研究院是桥梁基础学术研究和现实世界的行业应用科学家之间更大的合作的一部分。目标:找到充电在10分钟内,最大限度地提高电池的总寿命的电动汽车动力电池的最佳方法。研究人员写道,基于只有几个充电周期,预计将电池如何不同的计费方法响应的程序。该软件还决定在实时计费什么办法把重点放在或忽略。通过减少长度和试验次数,研究人员削减测试过程中从近两年来16天。

“我们想出了如何大大加快了极端快速充电测试过程中,”彼得阿迪,谁共同领导了这项研究,而他是一名研究生说。 “什么是真正令人兴奋的,虽然是方法。我们可以运用这种方法的是,现在,正阻碍电池的开发几个月或几年许多其他问题“。

一个更聪明的方法来测试电池

设计的超快速充电电池是一个重大的挑战,主要是因为它是很难让他们过去。的更快的强度上的电池,这往往导致它早失效充电放更大的应变。以防止对电池组这种损害,一个组件,它占了一大块电动车的总成本,电池工程师必须测试一个详尽的一系列收费方式,找到那些工作最好的。

新的研究试图优化这个过程。一开始,该团队发现快速充电优化额为许多试验和错误的测试 - 这是低效的人类,而是一台机器完美的问题。

“机器学习是一个试错,但在一个更聪明的办法,”阿迪蒂亚格罗弗,在计算机科学专业的研究生谁也共同领导了这项研究。 “电脑是远远优于我们在搞清楚何时探索 - 尝试新的和不同的方法 - 当利用,或在零上最有前途的。”

球队在两个关键方面使用这个权力,他们的优势。首先,他们用它来降低每循环实验的时间。在一个 以前的研究研究人员发现,而不是充电,每充电电池,直到它失败 - 测试电池的寿命的常用方法 - 它们可以预测多久的电池只能持续后,它的第一个100个充电周期。这是因为机器学习系统,在循环失败几块电池培训后,会发现在预示着一个电池能维持多久早期数据模式。

第二,学习机减少了他们不得不测试方法的数量。而不是同样检测每一个可能的充电方法,或依赖于直觉,计算机从它的经验教训,以快速找到最好的协议测试。

通过测试周期更少更少的方法,该研究报告的作者很快找到了适合自己的电池最佳的超快速充电协议。除了大大地加快了测试过程中,计算机的解决方案也更好 - 更不寻常的 - 比电池科学家也很可能提出的,说ermon。

“它给了我们这个令人惊讶的简单充电协议 - 这是我们没有想到的,” ermon说。 “这是一个人与机器之间的区别:机器不被人的直觉,这是强大的,但有时会误导偏颇。”

更广泛的应用

研究人员说,他们的做法可能几乎每一块电池的发展管道的加速:从电池的化学设计到确定其大小和形状,以找到更好的系统制造和储存。这将不仅对电动汽车,但对于其他类型的储能,为使切换到风能和太阳能在全球范围内的一项关键要求的广泛影响。

“这是做电池发展的新途径,”帕特里克青鱼,该研究的合着者,在丰田研究所科学家说。

“有数据,你可以在大量的人在学术界和业界分享,那就是自动分析,能够更快的创新。”

这项研究的机器学习和数据采集系统将提供对未来电池科学家自由使用,鲱鱼加。通过使用该系统,以优化与机器学习,电池的发展过程中的其他部分 - 和更新,更好的技术的到来 - 可以通过数量级或以上的订单加速,他说。

这项研究的方法的潜力甚至延伸超出电池的世界,ermon说。其他大数据测试的问题,从药物开发优化的X射线和激光的性能,也可以通过使用机器学习的优化而带来变革。最终,他说,它甚至可以帮助所有的最基本流程优化之一。

“更大的希望是帮助科学发现的过程本身,” ermon说。 “我们问:我们可以设计这些方法来自动拿出假设?他们可以帮助我们提取知识,人类不能?因为我们得到更好的和更好的算法,我们希望整个科学发现过程可能会大大加快。”

另外CQ9电子游戏共同作者包括诺曼斤,阳鸿髎,迈克尔·小时。陈,布莱恩昌,尼古拉斯帕金斯,滋阳,斯蒂芬Harris和托多尔米。马尔科夫。额外的合着者是来自麻省理工学院和丰田汽车研究所。

这项工作是由CQ9电子游戏,丰田研究所,美国国家科学基金会,美国支持能源和微软的部门。