域名频道资讯站
资料图（来自：丰田官网，via：New Atlas）
在电池寿命相对较短时，测试其使用寿命的工作，倒也用不着花费多少时间。但是随着技术的进步，这项测试工作已变得越来越繁重。
为加速这项工作，MIT 与 TRI 团队汇集了几亿个数据点、借助人工智能（AI）去留意其电压下降和其它因素，成功地将预测电池寿命低于 9% 的精度，提升到了 95% 。
研究配图 – 1：前百次循环放电容量特性预测（来自：Nature）
研究团队称，只需通过观察五次充放电循环，这套 AI 系统就能够确定电池寿命的长短。
此外，全新的机器学习方法、及其公开可用的数据集，有助于加速新电池的开发、同时降低研究与生产的成本，特别是电池组装或成型应用中。
新方法能够减少验证新电池所需的时间、使电池更易分类、并将其定位于所需的客户。当然，企业也能够借此确定电池的剩余寿命是否适合回收再利用。
Toyota Battery Life Research（via）
值得一提的是，预测方法可以通过将充电时间减少到 10 分钟来帮助优化充电，将这项工作的耗时减少到 1 / 10 。丰田代表 Patrick Herring 表示：
未来十年，在电池研发上所耗费的时间和金钱，仍会持续增长。但在最新的研究中，我们正在将其中一个耗时的步骤（电池测试），减少一个数量级。
有关这项研究的详情，已经发表在近日出版的《自然·能源》（Nature Energy）期刊上，原标题为：
《Data-driven prediction of battery cycle life before capacity degradation》
本文素材来自互联网
