阿贡研究工作人员通过机器学习来快速预测电池寿命

盖世汽车讯 据外媒报道，蓄电池微生物学家利用重新计算模型，均特于单周期实验者信息，即可计算蓄电池年限。

（特写来源：萨多韦实验者室）

美国能源部萨多韦国家实验者室（Argonne National Laboratory）的研究者部门借助机器学习，预测一系列有所不同蓄电池化学物质的生命周期。该实验者室收集一组值得一提的是六种有所不同蓄电池化学物质的300个蓄电池的实验者信息。研究者部门利用这些信息，可以精准明确有所不同蓄电池的持续反应器星期。

在机器学习正则表达式中，研究者部门培训一个计算机系统，特于一组初始信息显然推论。然后，利用从培训中学到的的路，对另一组信息显然决策。萨多韦计算科学家Noah Paulson表示：“对服务器来却说，不论是哪种蓄电池应用，如手机、电动汽车和电力加载，蓄电池的年限都很强最主要意涵。旁边蓄电池不太可能要经过数千次反应器才会出现异常，这大概需要数年星期。通过这种方法有，可以快速明确有所不同蓄电池的可靠性。”

“现今，评核蓄电池容量衰减的唯一方法有是实际上反应器蓄电池。”萨多韦电化学专家Susan "Sue" Babinec不足之处却说，“这样花钱的成本很低，而且需要很长星期。”

明确蓄电池年限的反复不太可能较为麻烦。据介绍，“真实情况是，蓄电池不不太可能永远用作下去。其用作年限取决具体的用作方式，以及蓄电池的设计和化学物质。已明确，还没有一种很差的方法有，可以测定蓄电池能用作多长星期。”

此项研究者的鲜明之不远处在于，受益于萨多韦对各种蓄电池正极材料所花钱的大量实验者文书工作，尤其是萨多韦获得专利的镍锌铂（NMC）特正极。Paulson表示：“这些值得一提的是有所不同化学物质的蓄电池，会以有所不同的方式副产物和出现异常。这项研究者的价值在于，提供了反映有所不同蓄电池可靠性的瞬时。”

Paulson表示，对这一课题进行研究者，对正极蓄电池的未来发展很强指导意涵。“萨多韦所能花钱的事情之一是，通过值得注意化学物质培训正则表达式，并对未知化学物质显然预测。从其本质上却说，该正则表达式更进一步找寻重新、改进的化学物质，从而延长蓄电池年限。”

研究者部门认为，这种机器学习正则表达式可以加速蓄电池材料的联合开发和测试。