数据驱动的节能环保革命：AI助力电动汽车电池研发充电测试时间缩短至16天
在数十年的发展历程中，电动汽车电池的进步一直受到充电测试长时间限制。每个阶段都需要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。对于锂离子电池来说，这种材料选择、制造和运行控制优化过程中的评估通常会耗时多达两年。
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项基于机器学习的方法已经改变了这一局面。这项技术能够将原来的两年缩短至仅需16天，大大加速了新型电池的开发进程。这项研究于2020年2月19日在《自然》杂志上发表。
快速充电是设计超级快充電池的一个重大挑战，因为很难使它们持续使用。大胆尝试更快的充电强度可能会导致早期失效，因此必须找到最有效的充电方法来最大限度地延长寿命。新的研究旨在优化这个过程。
团队发现快速充电优化需要进行多次试错测试，但这对于人类来说效率低下，对机器而言却是完美解决的问题。在这项研究中，该团队开发了一种闭环优化（CLO）系统，它具有预测早期结果功能，可以在大参数空间上高效进行优化，同时具备高采样可变性。
该系统首先通过算法减少每个循环实验的时间，然后通过机器学习减少必须测试方法数量。计算机不是均等或依靠直觉测试，每种可能协议，而是从经验中吸取教训，快速找到要测试协议。此外，该系统还包括一个多通道循环仪，可同时测试48个独特多步骤协议，并且可以遍历224个独特协议集合中的48个随机选取第一个轮次。
通过这种方式，该闭环优化系统不仅能够预测早期结果，还能够根据这些结果发送到BO算法以寻找具有较高估计寿命协议。在这种方法中，早期预测减少了每个实验所需循环次数，而最佳实验设计则减少了所需实验次数。
此外，该团队还提出了一种名为“跨学科自动发现”的策略，即利用AI来自动提炼假设并提取人类无法理解但有用的知识，从而加速科学发现本身。这一革新不仅对电子车辆，也对其他储能方式如风能和太阳能储存设备产生广泛影响，是全球转向可再生能源不可或缺的一部分。
标签： 地理知识点大全 、 适合初中生看的地理书籍 、 科普知识摘抄大全 、 小学地理常识大全 、 适合孩子看的地理类书籍
