據外媒報道，向全面電動化未來過渡，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來優(yōu)化電池的能量密度和功率，已取得不同程度的成功。然而，目前還沒有一種方法能達到商業(yè)化階段，以滿足對先進技術的爆炸式增長需求，如電動汽車、醫(yī)療設備、無人機和能源存儲解決方案等。
隨著各國爭奪全球電池市場（預計到2027年將達到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，同時不出現故障。這些電池還需要超越當前性能標準，保持較低的重量，并由易于大規(guī)模生產的材料構成。研究人員花費數十年時間來探討解決方案，由于實驗緩慢、周轉時間長以及艱難的發(fā)現過程，相關進展緩慢。AI有助于解決這些長期挑戰(zhàn)，并縮短評估電池材料、電芯架構和化學物質的過程，將其從數年減少為數月。
解決評估期過長的問題
生成電池性能數據的傳統(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多年時間，對電池進行成千上萬次充放電，才能得到所需要的結果。通過這種方法來預測電池退化，對于開發(fā)更安全、更不易燃燒的電池至關重要。然而，考慮到一些相對較新的應用正在迅猛發(fā)展，如電動汽車和家用太陽能+儲能技術，顯然沒有多少時間可以浪費了。
電池科學家采用系統(tǒng)級方法，通過AI來更有效地測試和了解電池組，及其集成和預期性能。這類AI應用還包括各種電芯類型，以及其中不同的化學成分和預期性能，并有助于確定在多個電池或電池組中分配能量的最佳方法。
更快、更有效地發(fā)現材料
以前，研究人員面臨著艱巨的任務，即縮小下一代電池應用所需替代材料的范圍。這一過程需要評估人員分析從測試過程中收集的大量數據。研究人員的操作速度，只能和計算信息的機器一樣快，而這往往需要數年時間才能有所進步。
通過AI，可以發(fā)現一些原本不會考慮的有用材料組合。將人工智能應用于材料發(fā)現過程，已在超導體等許多領域產生了有趣的結果，在電池領域將具有良好的應用前景。
利用AI優(yōu)化電池結構
以往幾十年，人們大多致力于通過電池化學來改良電池。然而，改變電池的物理性質，已被證明可以提高電池的關鍵性能指標，如密度、容量和安全性等。電池科學家可以利用AI，更好地了解電極水平上的結構-屬性關系，以便為任何既定應用設計最佳電池結構。根據電池的使用方式和其他技術規(guī)格，AI可以對可能的結構設計提出有價值的建議，從而優(yōu)化電池性能。
甚至可以調整AI算法，基于尚未應用的新興技術和化學方法，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)省時間和成本的角度來看，對整個價值鏈來說頗有益處。
例如，電動汽車的性能在很大程度上取決于電池電芯。將其與AI結合起來，以更好地了解如何提高電芯性能，而不僅僅是改進電池管理系統(tǒng)，具有重要意義。這將有助于為電動汽車應用開發(fā)下一代電池奠定基礎。
人工智能會決定電池競賽的勝負嗎？
在電池科學領域，盡管人工智能仍是新興應用，已有很多展示其巨大潛力的例子。例如，斯坦福大學、麻省理工學院和豐田研究所的研究人員，利用AI確定在10分鐘內為電動汽車電池充電的最佳方法。傳統(tǒng)方法需要500天的評估過程，而該團隊利用具有高度針對性的AI算法，在短短16天內，就從224個選項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和量子計算來模擬和優(yōu)化高性能電池的結構。松下聲稱，受益于AI，其在測試新設計時，可以大幅減少電池充放電的必要次數。這些只是其中幾個例子，隨著機器學習技術的發(fā)展，相關應用和優(yōu)勢也將迅猛發(fā)展。
目前，電池行業(yè)的競爭環(huán)境越來越激烈。下一代電池實現商業(yè)化的時間，從5年到15年不等。保持競爭優(yōu)勢可能取決于，通過AI來加快測試階段，并確定可以實現成本效率和性能改進的領域。
