（圖片來源：SLAC）

 

       在利用機器學習來加速電池設計方面，科學家們邁出了重要的一步：將機器學習與從實驗和由物理學指導的方程式中獲得的知識結合起來，從而發(fā)現(xiàn)快速充電鋰離子電池壽命縮短的原因。

 

       據(jù)外媒報道，斯坦福大學、SLAC國家加速器實驗室（SLAC National Accelerator Laboratory）、麻省理工學院和豐田研究所的研究人員，首次將“科學機器學習”（scientific machine learning）方法應用于電池循環(huán)，其目標是將基礎研究和行業(yè)知識結合起來，開發(fā)一種可以在10分鐘內充電的長壽命電動汽車電池。 

 

       主要研究人員Will Chueh表示，這項研究結果推翻了長期以來關于鋰離子電池如何充放電的假設，并為研究人員提供了一套新規(guī)則，用以設計更持久的電池。 

 

       豐田研究所高級研究科學家Patrick Herring表示：“通過了解電池內部發(fā)生的基本反應，我們可以延長電池壽命，實現(xiàn)更快的充電速度，并設計出更好的電池材料。”

       在之前的兩項研究進展中，研究人員利用更傳統(tǒng)的機器學習形式，大幅加快電池測試和篩選可行充電方法的過程，以找到最佳方法。但是，對于為何一些電池比其他電池的續(xù)航時間更長這一問題，他們并沒有找到其中潛在的物理或化學原因。 

 

       Chueh表示：“在這種情況下，我們正在教機器如何學習一種新型失效機制的物理原理，以設計更好、更安全的快速充電電池。快速充電會給電池帶來極大的壓力，并對電池造成損害。解決這一問題，是推動電動汽車發(fā)展的關鍵，并有助于減少對氣候的影響。” 

 

       將這三種方法結合起來，有望加快新電池技術的開發(fā)速度，使其從實驗室到達消費者手中的時間縮短三分之二之多。這種新的聯(lián)合方法也可用于開發(fā)電網(wǎng)級電池系統(tǒng)，用于更大規(guī)模的風能和太陽能發(fā)電。

       這項新的研究將重點放在電池電極上，這種電極由納米級顆粒凝聚在一起形成顆粒。在充放電過程中，鋰離子在正負極之間來回移動，從顆粒中進進出出。在這種持續(xù)不斷的作用下，粒子會發(fā)生膨脹、收縮和破裂，使其儲存電荷的能力逐漸降低。快速充電只會讓情況變得更糟。

 

       為了更詳細地觀察這一過程，研究小組觀察由鎳、錳和鈷組成的正極顆粒的行為，這種NMC材料是電動汽車電池中使用最廣泛的材料之一。這些顆粒可以在電池放電時吸收鋰離子，并在充電時將其釋放出來。研究人員利用斯坦福同步輻射光源（SLAC's Stanford Synchrotron Radiation Lightsource）的X射線，對正在進行快速充電的粒子進行全面觀察。然后，將粒子帶到勞倫斯伯克利國家實驗室的先進光源（Lawrence Berkeley National Laboratory's Advanced Light Source），用掃描X射線透射顯微鏡進行檢測，追蹤單個粒子。

 

       相關實驗數(shù)據(jù)、來自快速充電數(shù)學模型的信息，以及描述這一化學和物理過程的方程式信息，被納入了科學機器學習算法。研究人員表示，在建模過程中，“我們沒有像前兩項研究那樣，通過簡單地輸入數(shù)據(jù)，讓計算機直接計算出模型，而是教會了計算機如何選擇或學習正確的方程，從而獲得正確的物理信息。”

       科學家們一直認為顆粒之間的差異微不足道，其儲存和釋放離子的能力，受限于鋰在顆粒內的移動速度。從這一角度看，鋰離子會在同一時間流入和流出所有粒子，并且速度大致相同。

 

       通過新方法可以看出，當電池充電時，這些顆粒本身控制鋰離子從正極顆粒中移出的速度。有些粒子會立即釋放大量離子，而另一些粒子釋放的離子很少，甚至根本不釋放。而且，快速釋放的粒子會繼續(xù)釋放離子，其速度比它們的鄰居更快。這是一種積極的反饋效果，是以前沒有發(fā)現(xiàn)的。

 

       研究人員表示：“現(xiàn)在，我們發(fā)現(xiàn)了鋰在電池內部的移動方式，這與科學家和工程師們想象的大不相同。不均勻充放電給電極帶來了更大的壓力，使其工作壽命縮短。從根本上了解這一過程，是解決快速充電問題的重要一步。”

 

       科學家們表示，新方法有望提高電池的成本、存儲容量、耐用性和其他重要性能，而且應用范圍廣泛，如電動汽車、筆記本電腦，以及在電網(wǎng)上大規(guī)模儲存可再生能源。