在追求绿色、健康和可持续发展的今天，低碳生活已经成为全球共识。随着科技的不断进步，特别是人工智能（AI）的应用，我们正在逐步实现这一愿景。例如，在电动汽车（EV）领域，新兴技术正改变我们对交通工具的认识与使用方式。
然而数十年来，电动汽车电池的发展一直受到充电测试这一主要瓶颈的限制。在每个阶段，都必须对新技术进行数月甚至数年的测试，以确定其能够持续使用多长时间。这包括材料选择、制造过程控制优化等关键环节。对于锂离子电池这样的常见类型，其寿命评估实验往往需要花费数月乃至数年的时间，而参数调整、空间和样品多样性进一步延长了这个过程。
近日，一项由斯坦福大学教授、麻省理工学院和丰田研究院合作开发的人工智能方法成功将这段漫长旅程缩短到了仅需16天，这一成果意味着加速了新型电池开发进度。此次研究于2020年2月19日在《自然》杂志上发表，并显示出机器学习在解决传统实验难题方面无与伦比的优势。
该团队设计了一种基于闭环优化（CLO）的系统，该系统结合了早期结果预测功能，可以高效地遍历大参数空间并具有高采样可变性。这使得它能够快速找到包含六步过程的特定充放電曲线以及十分钟快充协议，这种快充技术可以缓解用户里程焦虑。
通过减少每个循环实验所需时间，以及减少需要测试方法数量，该团队成功筛选出了224个待测中拥有长寿命快充能力的大约1000个待测容器，只用了16天而非原有的560天。这不仅加速了研究速度，也为工业界提供了一种更有效率、高效率且成本较低的手段进行试验验证。
闭环优化系统工作原理图示展示了三个关键组件：多通道循环器、循环寿命早期预测器以及BO算法。在每一个顺序轮次中，他们都要遍历这些组成部分，其中多通道循环器用于同时测试48个独立设备；BO算法则负责根据早期预测值来选择下一步应该采用哪一种协议；而早期结果预测则依赖于前100个重复充放電周期数据，为后续分析提供重要信息。
此外，该团队还指出这种方法不仅适用于电子车辆领域，对于储能设备尤其是风能和太阳能转换中的需求也具有广泛影响，因为它们都是全球范围内向清洁能源过渡的一个关键要求。此外，由丰田科学家Patrick Herring表示，这是一种全新的进行化学存储开发的一种方法，将使创新速度加倍，同时机器学习和数据收集系统也将被开放给未来的科学家自由使用，从而促进更多跨学科合作及创新突破。
标签： 基础地理
