據(jù)外媒報(bào)道，向全面電動(dòng)化未來(lái)過(guò)渡，取決于成本低、性能更高和更安全的電池。采用固態(tài)方法等下一代電池化學(xué)來(lái)優(yōu)化電池的能量密度和功率，已取得不同程度的成功。然而，目前還沒(méi)有一種方法能達(dá)到商業(yè)化階段，以滿足對(duì)先進(jìn)技術(shù)的爆炸式增長(zhǎng)需求，如電動(dòng)汽車、醫(yī)療設(shè)備、無(wú)人機(jī)和能源存儲(chǔ)解決方案等。
隨著各國(guó)爭(zhēng)奪全球電池市場(chǎng)（預(yù)計(jì)到2027年將達(dá)到2797億美元），人工智能（AI）已成為加快創(chuàng)新速度的一種富有前景的工具。
新一代電池必須能夠快速充電，同時(shí)不出現(xiàn)故障。這些電池還需要超越當(dāng)前性能標(biāo)準(zhǔn)，保持較低的重量，并由易于大規(guī)模生產(chǎn)的材料構(gòu)成。研究人員花費(fèi)數(shù)十年時(shí)間來(lái)探討解決方案，由于實(shí)驗(yàn)緩慢、周轉(zhuǎn)時(shí)間長(zhǎng)以及艱難的發(fā)現(xiàn)過(guò)程，相關(guān)進(jìn)展緩慢。AI有助于解決這些長(zhǎng)期挑戰(zhàn)，并縮短評(píng)估電池材料、電芯架構(gòu)和化學(xué)物質(zhì)的過(guò)程，將其從數(shù)年減少為數(shù)月。
解決評(píng)估期過(guò)長(zhǎng)的問(wèn)題
生成電池性能數(shù)據(jù)的傳統(tǒng)方法，是不斷向電池電芯中注入能量，直到電池耗盡。研究人員不得不耗費(fèi)多年時(shí)間，對(duì)電池進(jìn)行成千上萬(wàn)次充放電，才能得到所需要的結(jié)果。通過(guò)這種方法來(lái)預(yù)測(cè)電池退化，對(duì)于開(kāi)發(fā)更安全、更不易燃燒的電池至關(guān)重要。然而，考慮到一些相對(duì)較新的應(yīng)用正在迅猛發(fā)展，如電動(dòng)汽車和家用太陽(yáng)能+儲(chǔ)能技術(shù)，顯然沒(méi)有多少時(shí)間可以浪費(fèi)了。
電池科學(xué)家采用系統(tǒng)級(jí)方法，通過(guò)AI來(lái)更有效地測(cè)試和了解電池組，及其集成和預(yù)期性能。這類AI應(yīng)用還包括各種電芯類型，以及其中不同的化學(xué)成分和預(yù)期性能，并有助于確定在多個(gè)電池或電池組中分配能量的最佳方法。
更快、更有效地發(fā)現(xiàn)材料
以前，研究人員面臨著艱巨的任務(wù)，即縮小下一代電池應(yīng)用所需替代材料的范圍。這一過(guò)程需要評(píng)估人員分析從測(cè)試過(guò)程中收集的大量數(shù)據(jù)。研究人員的操作速度，只能和計(jì)算信息的機(jī)器一樣快，而這往往需要數(shù)年時(shí)間才能有所進(jìn)步。
通過(guò)AI，可以發(fā)現(xiàn)一些原本不會(huì)考慮的有用材料組合。將人工智能應(yīng)用于材料發(fā)現(xiàn)過(guò)程，已在超導(dǎo)體等許多領(lǐng)域產(chǎn)生了有趣的結(jié)果，在電池領(lǐng)域?qū)⒕哂辛己玫膽?yīng)用前景。
利用AI優(yōu)化電池結(jié)構(gòu)
以往幾十年，人們大多致力于通過(guò)電池化學(xué)來(lái)改良電池。然而，改變電池的物理性質(zhì)，已被證明可以提高電池的關(guān)鍵性能指標(biāo)，如密度、容量和安全性等。電池科學(xué)家可以利用AI，更好地了解電極水平上的結(jié)構(gòu)-屬性關(guān)系，以便為任何既定應(yīng)用設(shè)計(jì)最佳電池結(jié)構(gòu)。根據(jù)電池的使用方式和其他技術(shù)規(guī)格，AI可以對(duì)可能的結(jié)構(gòu)設(shè)計(jì)提出有價(jià)值的建議，從而優(yōu)化電池性能。
甚至可以調(diào)整AI算法，基于尚未應(yīng)用的新興技術(shù)和化學(xué)方法，提出可能性。這就像擁有一家快速建筑的電池原型工廠。從節(jié)省時(shí)間和成本的角度來(lái)看，對(duì)整個(gè)價(jià)值鏈來(lái)說(shuō)頗有益處。
例如，電動(dòng)汽車的性能在很大程度上取決于電池電芯。將其與AI結(jié)合起來(lái)，以更好地了解如何提高電芯性能，而不僅僅是改進(jìn)電池管理系統(tǒng)，具有重要意義。這將有助于為電動(dòng)汽車應(yīng)用開(kāi)發(fā)下一代電池奠定基礎(chǔ)。
人工智能會(huì)決定電池競(jìng)賽的勝負(fù)嗎？
在電池科學(xué)領(lǐng)域，盡管人工智能仍是新興應(yīng)用，已有很多展示其巨大潛力的例子。例如，斯坦福大學(xué)、麻省理工學(xué)院和豐田研究所的研究人員，利用AI確定在10分鐘內(nèi)為電動(dòng)汽車電池充電的最佳方法。傳統(tǒng)方法需要500天的評(píng)估過(guò)程，而該團(tuán)隊(duì)利用具有高度針對(duì)性的AI算法，在短短16天內(nèi)，就從224個(gè)選項(xiàng)中確定了最佳充電方法。
不僅是研究人員，很多大公司也在采取這種作法。大眾正在與谷歌合作，利用AI和量子計(jì)算來(lái)模擬和優(yōu)化高性能電池的結(jié)構(gòu)。松下聲稱，受益于AI，其在測(cè)試新設(shè)計(jì)時(shí)，可以大幅減少電池充放電的必要次數(shù)。這些只是其中幾個(gè)例子，隨著機(jī)器學(xué)習(xí)技術(shù)的發(fā)展，相關(guān)應(yīng)用和優(yōu)勢(shì)也將迅猛發(fā)展。
目前，電池行業(yè)的競(jìng)爭(zhēng)環(huán)境越來(lái)越激烈。下一代電池實(shí)現(xiàn)商業(yè)化的時(shí)間，從5年到15年不等。保持競(jìng)爭(zhēng)優(yōu)勢(shì)可能取決于，通過(guò)AI來(lái)加快測(cè)試階段，并確定可以實(shí)現(xiàn)成本效率和性能改進(jìn)的領(lǐng)域。
