Stel jou voor 'n psigikus wat vir jou ouers sê, op die dag wat jy gebore is, hoe lank jy sal leef. 'n Soortgelyke ervaring is moontlik vir batterychemici wat nuwe berekeningsmodelle gebruik om batteryleeftye te bereken gebaseer op so min as 'n enkele siklus van eksperimentele data.

In 'n nuwe studie het navorsers by die Amerikaanse Departement van Energie (DOE) se Argonne Nasionale Laboratorium die krag van masjienleer gebruik om die lewensduur van 'n wye reeks verskillende batterychemieë te voorspel. Deur eksperimentele data te gebruik wat by Argonne versamel is van 'n stel van 300 batterye wat ses verskillende batterychemieë verteenwoordig, kan die wetenskaplikes akkuraat bepaal hoe lank verskillende batterye sal aanhou siklus.

Argonne-navorsers het masjienleermodelle gebruik om voorspellings te maak van batterylewe vir 'n wye reeks verskillende chemiese stowwe. (Beeld deur Shutterstock/Sealstep.)

In 'n masjienleer-algoritme lei wetenskaplikes 'n rekenaarprogram op om afleidings te maak oor 'n aanvanklike stel data, en neem dan wat dit uit daardie opleiding geleer het om besluite te neem oor 'n ander stel data.

“Vir elke verskillende soort batterytoepassing, van selfone tot elektriese voertuie tot netwerkberging, is batteryleeftyd van fundamentele belang vir elke verbruiker,” het Argonne se berekeningswetenskaplike Noah Paulson, 'n outeur van die studie, gesê. “Om 'n battery duisende kere te moet herlaai totdat dit faal, kan jare neem; ons metode skep 'n soort berekeningstoetskombuis waar ons vinnig kan vasstel hoe verskillende batterye gaan presteer.”

“Op die oomblik is die enigste manier om te evalueer hoe die kapasiteit in 'n battery afneem, om die battery werklik te herlaai,” het Argonne-elektrochemikus Susan “Sue” Babinec, nog 'n outeur van die studie, bygevoeg. “Dit is baie duur en dit neem lank.”

Volgens Paulson kan die proses om 'n batteryleeftyd vas te stel moeilik wees. “Die realiteit is dat batterye nie vir ewig hou nie, en hoe lank hulle hou, hang af van die manier waarop ons hulle gebruik, sowel as hul ontwerp en hul chemie,” het hy gesê. “Tot nou toe was daar regtig nie 'n goeie manier om te weet hoe lank 'n battery gaan hou nie. Mense gaan wil weet hoe lank hulle het voordat hulle geld aan 'n nuwe battery moet spandeer.”

Een unieke aspek van die studie is dat dit staatgemaak het op uitgebreide eksperimentele werk wat by Argonne op 'n verskeidenheid batterykatodemateriale gedoen is, veral Argonne se gepatenteerde nikkel-mangaan-kobalt (NMC)-gebaseerde katode. ​“Ons het batterye gehad wat verskillende chemie verteenwoordig het, wat verskillende maniere het waarop hulle sou degradeer en faal,” het Paulson gesê. ​“Die waarde van hierdie studie is dat dit ons seine gegee het wat kenmerkend is van hoe verskillende batterye presteer.”

Verdere studie in hierdie gebied het die potensiaal om die toekoms van litiumioonbatterye te bepaal, het Paulson gesê. “Een van die dinge wat ons kan doen, is om die algoritme op 'n bekende chemie op te lei en dit voorspellings te laat maak oor 'n onbekende chemie,” het hy gesê. “In wese kan die algoritme ons help om in die rigting van nuwe en verbeterde chemieë te wys wat langer lewensduur bied.”

Op hierdie manier glo Paulson dat die masjienleer-algoritme die ontwikkeling en toetsing van batterymateriale kan versnel. ​“Sê nou jy het 'n nuwe materiaal, en jy hergebruik dit 'n paar keer. Jy kan ons algoritme gebruik om die lewensduur daarvan te voorspel, en dan besluite neem of jy dit eksperimenteel wil voortsit of nie.”

“As jy 'n navorser in 'n laboratorium is, kan jy baie meer materiale in 'n korter tyd ontdek en toets, want jy het 'n vinniger manier om hulle te evalueer,” het Babinec bygevoeg.

'n Artikel gebaseer op die studie, ​“Funksie-ingenieurswese vir masjienleer het vroeë voorspelling van batteryleeftyd moontlik gemaak,” het in die aanlynuitgawe van 25 Februarie van die Journal of Power Sources verskyn.

Benewens Paulson en Babinec, sluit ander outeurs van die artikel Argonne se Joseph Kubal, Logan Ward, Saurabh Saxena en Wenquan Lu in.

Die studie is befonds deur 'n Argonne Laboratorium-Gerigte Navorsing en Ontwikkeling (LDRD) toelaag.