（文章來源：高工鋰電網）

運用AI技術已經成為了當前開發新型電池的重要途徑。外媒報道稱，劍橋大學和紐卡斯爾大學的研究人員設計了一種通過向電池發送電脈沖并測量響應來檢測電池的新方法。通過機器學習算法處理測量結果，以預測電池的健康狀況和使用壽命。

研究人員稱，該技術可以以比當前行業標準高10倍的準確度預測電池的健康狀況，從而有助于開發用于電動汽車和消費電子產品的更安全，更可靠的電池。

難以預測鋰離子電池的健康狀態和剩余使用壽命是限制電動汽車廣泛采用的主要問題之一。在運行一段時間后，鋰電池的會衰退，從而影響電池的使用狀態和壽命。當前的預測電池健康的方法是基于跟蹤電池充電和放電期間的電流和電壓，這錯過了指示電池狀態的重要功能。

因此，目前需要擁有跟蹤電池中發生的許多過程需要探測電池實際運行情況的新方法，以及可以在充電和放電時檢測出細微信號的新算法。

劍橋大學卡文迪許實驗室的Alpha Lee博士說：“安全性和可靠性是最重要的設計標準，因為我們開發的電池可以在很小的空間內包裝大量能量。通過改進監視充電和放電的軟件，并使用數據驅動的軟件來控制充電過程，我相信我們可以大大改善電池性能。”

研究人員設計了一種通過向電池發送電脈沖并測量其響應來監視電池的方法。然后使用機器學習模型來發現電響應中的特定特征，這些特征是電池老化的跡象。研究人員進行了20000多次實驗測量，以訓練該模型，這是同類最大的數據集。

研究人員還表明，機器學習模型可以被解釋為給出退化的物理機制的提示。該模型可以告知哪些電信號與老化最相關，這反過來又使它們可以設計特定的實驗來探究電池退化的原因和方式。研究人員現在正在使用他們的機器學習平臺來了解不同電池化學性質的退化。他們還開發了最佳的電池充電協議，通過機器學習來供電，以實現快速充電并最大程度地降低降級。

值得注意的是，除了劍橋大學之外，包括斯坦福大學、豐田汽車、松下等高校和企業也在借助AI技術研發新型電池和改善電池的性能。例如，斯坦福大學與豐田研究人員合作開發了一種新機器學習方法，稱可以加速電動汽車電池的開發。

具體而言，麻省理工學院斯坦福分校和豐田研究院的研究團隊開發了一種基于機器學習的方法，將電池充電測試時間從近兩年縮短至16天，縮短了近15倍，有助于加速新型電池的開發進度。松下也開發出一種AI高科技材料分析手法，可以高速且高分辨率條件下，可視化鋰離子電池內部材料在電池工作過程中的行動狀態，這一狀態的可視化，將會極大地影響鋰電池的容量密度，充放電速度以及壽命等多種性能的改善。
（責任編輯：fqj）