数据驱动革新：AI助力电动汽车电池研发，缩短充电测试时间至16天
在数十年来，电动汽车的发展一直受到其关键组成部分——电池的研发和测试瓶颈的限制。每个阶段都必须通过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，这一过程尤为复杂，因为它涉及材料选择、制造和工作运行等多个方面。
传统方法通常需要对锂离子电池进行寿命评估，但这样的实验往往耗时长达数月乃至数年。此外，由于参数调整、空间限制和样品多样性，实验进一步延长。然而，一项由斯坦福大学教授、麻省理工学院与丰田研究院合作开发的人工智能（AI）方法，如今已经将这一充满挑战性的过程从近两年的时间缩短至仅需16天，大幅度加速了新型电池的开发进程。
该研究于2020年2月19日在《自然》杂志上公布。在设计超快速充电技术时，最大的挑战之一是找到一种不会导致电子设备过早损坏或失效的充放电方式。一旦发现最有效且安全的充放電协议，就能极大地提高这些高性能储能系统的地位。
为了优化这个过程，研究团队采用了一种名为闭环优化（CLO）的机器学习算法。这项创新之处在于其能够预测早期结果并迅速筛选出具有最大潜力的特定参数组合，从而显著减少了所需试验次数。
CLO系统包括三个关键组件：多通道循环器、循环寿命预测模型以及一个名为BO算法（Bayesian Optimization）的优化工具。在每次迭代中，该系统会随机选择48个独特协议，并让它们同时执行100次循环重复测试。通过分析前100次循环周期产生的大量数据点，预测模型可以准确预测剩余使用寿命，而不必等待整个2000次循环完成。
这种机器学习技术还允许科学家更快地探索广泛可能的情况，使得他们能够更快地找到最佳解决方案。这不仅限于能源领域，对其他需要大量计算资源和精密控制以进行高效试验的问题也同样有用，比如药物开发或X射线光谱仪性能提升等问题。
斯坦福大学教授Stefano Ermon表示：“我们希望我们的算法能够自动提出假设，并帮助我们提取人类难以理解的情报。” 随着这些算法不断完善，我们期待整个科学发现流程将被彻底加快，这将对未来的科技进步产生深远影响。
