在数十年来，电动汽车电池的发展一直受到充电测试这一瓶颈的限制。每个阶段都必须对新技术进行数月甚至数年的测试，以确定其可持续使用的时间。这包括材料选择、制造和工作运行等过程控制优化。锂离子电池寿命评估实验往往需要数月乃至数年的时间，而且参数调整、空间和样品多样性使实验延长。
然而，斯坦福大学教授、麻省理工学院和丰田研究院合作开发的一种基于机器学习的方法，将这些挑战彻底改变了。这项研究于2020年2月19日发表在《自然》杂志上，成功将两年的充电测试缩短至仅需16天，这意味着加速了新型电池的开发进度。
设计超快速充电是一个重大挑战，因为很难使它们持续使用。而且更快的充電強度會使電池承受更大的壓力，這通常會導致電池過早失效。为了防止构成電動汽車總成本很大一部分的電池组轻易损坏，工程师必须测试一系列详尽的充电方式，以找到最有效的充电方法。
新的研究试图优化这一过程。从一开始，该团队就发现快速充装优化需要进行多次试错测试，这对于人类来说效率不高，但对于机器而言却是可以完美解决的问题。在这项研究中，该团队开发了具有早期结果预测功能的闭环优化（CLO）系统。这款系统具有早期结果预测功能，可以在大参数空间上进行高效优化，同时具有高采样可变性。
这种方法能够快速优化特定的包含六步过程的大功率快 charger 和能量最大化十分钟快充协议，这种快 Charger 技术能够缓解用户里程焦虑首先，他们通过算法减少每个循环实验时间。此前，他们发现，不用反复通过每个独特设备直到报废，每100个周期后就能预测出设备剩余使用寿命。这是因为机器学习系统接受过几次循环训练后，在早期数据中找到了预示设备可持续使用时长规律。
其次，机器学习减少了他们必须测试方法数量计算机不是均等或依靠直觉来尝试每种可能性的不同协议，而是从经验吸取教训以快速找到要尝试最佳协议。通过这种 CLO 优化方法，224个待测电子元件中的有能力实现长寿命快 Charger 的被筛选出来，并最终验证该方法有效性，其原有224元件需要560天才能完成相同任务，大幅缩短了近15倍，有助于加速新型储能方式，如风能和太阳能转向全球范围内需求之下所需速度加速创新速度，加强学术界与工业界之间共享数据分析能力，从药物开发到其他领域也可能产生影响，加速科学发现本身成为未来希望之一
标签： 高中生推荐书目清单 、 看地理书 、 2023中考生物必背知识点免费 、 和地理相关的科普 、 科学知识
