ИИ повысит точность определения срока службы батарей в 10 раз. Разработанная исследователями из Университетов Кембриджа и Ньюкасла нейросеть также позволит повысить их безопасность и надежность. Описание работы опубликовано в журнале Nature Communications.

В течение нескольких десятилетий скорость разработки новых, более энергоемких и эффективных, аккумуляторов была ограничена одной серьезной проблемой - количеством времени, которое исследователям приходилось тратить на оценку времени работы аккумулятора. Для этого ученые проводили несколько циклов зарядки и разрядки, а затем измеряли время, в течение которого аккумулятор может выдавать требуемое напряжение.

Этот процесс занимает от нескольких месяцев до нескольких лет. Современные методы прогнозирования срока службы аккумулятора основаны на отслеживании тока и напряжения во время его зарядки и разрядки. Такой метод неэффективен из-за того, что он не позволят отслеживать специфические характеристики, которые указывают на состояние батареи.

В ходе новой работы исследователи создали метод контроля состояния батарей, который предполагает отправку ей электрических импульсов и измерение реакции аккумулятора на них. После этого нейросеть ищет специфические характеристики этого отклика, которые являются явным признаком старения батареи.

В ходе обучения нейросети исследователи выполнили более 20 тыс. экспериментальных измерений - по их словам, это самый большой набор данных в этой области. В результате ИИ научился не только выполнять свою основную функцию, но и отличать важные сигналы от несущественного шума. По словам исследователей, такой метод позволит увеличить точность определения срока службы батареи примерно в 10 раз.

«Машинное обучение дополняет и усиливает физическое понимание процессов, которые происходят внутри батареи. Интерпретируемые сигналы, определяемые нашей моделью машинного обучения, являются отправной точкой для будущих теоретических и экспериментальных исследований»

Юньвэй Чжан, ведущий автор исследования