Fuerscher kënnen elo d'Liewensdauer vu Batterien mat Hëllef vu Maschinnléieren viraussoen.

Fuerscher kënnen elo d'Liewensdauer vu Batterien mat Hëllef vu Maschinnléieren viraussoen.

D'Technik kéint d'Käschte vun der Batterienentwécklung reduzéieren.

Stellt Iech e Hellseher vir, deen Äre Elteren den Dag vun Ärer Gebuert erzielt, wéi laang Dir liewe géift. Eng ähnlech Erfahrung ass méiglech fir Batteriechemiker, déi nei Berechnungsmodeller benotzen, fir d'Liewensdauer vu Batterien op Basis vun nëmmen engem eenzege Zyklus vun experimentellen Donnéeën ze berechnen.

An enger neier Studie hunn d'Fuerscher vum Argonne National Laboratory vum US Department of Energy (DOE) d'Kraaft vum maschinelle Léieren benotzt, fir d'Liewensdauer vun enger breeder Palette vun ënnerschiddleche Batteriechemikalien virauszesoen. Andeems se experimentell Donnéeën benotzen, déi zu Argonne vun enger Rei vun 300 Batterien gesammelt goufen, déi sechs verschidde Batteriechemikalien representéieren, kënnen d'Wëssenschaftler präzis bestëmmen, wéi laang verschidde Batterien weider lafen.

16x9_Batterielaufzeit Shutterstock

Fuerscher aus Argonne hunn Maschinnléiermodeller benotzt fir Prognosen iwwer d'Liewensdauer vun engem Batteriezyklus fir eng breet Palette vun ënnerschiddleche Chemikalien ze maachen. (Bild vum Shutterstock/Sealstep.)

An engem Maschinnléieralgorithmus trainéieren d'Wëssenschaftler e Computerprogramm fir Inferenzen op Basis vun engem ufängleche Datesaz ze zéien, an huelen dann dat Geléiert aus deem Training fir Entscheedungen op Basis vun engem anere Datesaz ze treffen.

„Fir all Zort vu Batterieanwendung, vu Handyen iwwer Elektroautoen bis hin zur Späicherung am Netz, ass d'Liewensdauer vun der Batterie vu fundamentaler Wichtegkeet fir all Konsument“, sot den Noah Paulson, e Wëssenschaftler aus dem Berechnungswiesen vun Argonne an Auteur vun der Studie. „Et kann Joer daueren, wann eng Batterie dausend Mol muss nei gestart ginn, bis se ausfällt; eis Method erstellt eng Zort Berechnungs-Testkichen, wou mir séier feststellen kënnen, wéi verschidde Batterien funktionéieren.“

„Am Moment ass déi eenzeg Méiglechkeet fir ze evaluéieren, wéi d'Kapazitéit vun enger Batterie ofhëlt, se tatsächlech ze wiesselen“, huet d'Elektrochemikerin Susan „Sue“ Babinec, eng aner Autorin vun der Studie, bäigefüügt. „Et ass ganz deier an et dauert laang.“

Laut dem Paulson kann de Prozess fir d'Liewensdauer vun enger Batterie festzestellen kniffleg sinn. „D'Realitéit ass, datt Batterien net fir ëmmer halen, an hir Dauer hänkt dovun of, wéi mir se benotzen, souwéi vun hirem Design an hirer Chemie“, sot hien. „Bis elo gouf et keng gutt Method fir ze wëssen, wéi laang eng Batterie hält. D'Leit wëlle wëssen, wéi laang se hunn, bis se Sue fir eng nei Batterie ausginn mussen.“

En eenzegaartegen Aspekt vun der Studie ass, datt se sech op extensiv experimentell Aarbecht baséiert huet, déi zu Argonne un enger Villfalt vu Batteriekathodematerialien duerchgefouert gouf, besonnesch der patentéierter Kathod op Basis vun Néckel-Mangan-Kobalt (NMC) vun Argonne. „Mir haten Batterien, déi verschidde Chemikalien representéiert hunn, déi verschidde Weeër hunn, wéi se ofbauen a futti goungen“, sot de Paulson. „De Wäert vun dëser Studie ass, datt se eis Signaler ginn huet, déi charakteristesch fir d'Leeschtung vu verschiddene Batterien sinn.“

Weider Studien an dësem Beräich hätten de Potenzial, d'Zukunft vu Lithium-Ionen-Batterien ze bestëmmen, sot de Paulson. „Eng vun de Saachen, déi mir maache kënnen, ass den Algorithmus op enger bekannter Chimie ze trainéieren an en Prognosen op enger onbekannter Chimie ze maachen“, sot hien. „Am Fong kéint den Algorithmus eis hëllefen, nei a verbessert Chemikalien ze fannen, déi eng méi laang Liewensdauer bidden.“

Op dës Manéier mengt de Paulson, datt den Algorithmus fir maschinellt Léieren d'Entwécklung an d'Tester vu Batteriematerialien beschleunege kéint. „Sot mir, Dir hutt en neit Material, an Dir zykléiert et e puer Mol. Dir kënnt eisen Algorithmus benotze fir seng Liewensdauer virauszesoen, an dann Entscheedungen treffen, ob Dir et experimentell weider zykléiere wëllt oder net.“

„Wann Dir e Fuerscher an engem Laboratoire sidd, kënnt Dir vill méi Materialien a méi kuerzer Zäit entdecken an testen, well Dir se méi séier evaluéiere kënnt“, huet de Babinec dobäigesat.

E Pabeier baséiert op der Studie, ​"Feature-Engineering fir Maschinnléieren huet eng fréi Prognose vun der Batterielaufzäit erméiglecht„, erschéngt an der Online-Editioun vum Journal of Power Sources vum 25. Februar.“

Nieft dem Paulson a Babinec sinn zu den aneren Autoren vun der Publikatioun de Joseph Kubal vun Argonne, de Logan Ward, de Saurabh Saxena an de Wenquan Lu.

D'Studie gouf duerch e Stipendium vum Argonne Laboratory-Directed Research and Development (LDRD) finanzéiert.

 

 

 

 

 


Zäitpunkt vun der Verëffentlechung: 06. Mee 2022