详细内容或原文请订阅后点击阅览
“发现学习”人工智能工具只需几天的数据即可预测电池循环寿命
为电池研究人员提供的代理人工智能工具，利用以前电池设计的数据来预测新电池概念的循环寿命。该工具由密歇根工程大学开发，只需 50 个周期的信息即可预测电池在容量降至设计容量 90% 以下之前可以经历多少次充放电周期。
来源:密歇根大学“学习者”、“解释者”和“预言者”通过最少的实验共同工作，以在历史数据和新电池设计之间进行比较
为电池研究人员提供的代理人工智能工具，利用以前电池设计的数据来预测新电池概念的循环寿命。该工具由密歇根工程大学开发，只需 50 个周期的信息即可预测电池在容量降至设计容量 90% 以下之前可以经历多少次充放电周期。
这可以节省数月到数年的测试时间，具体取决于循环实验的条件，以及电池原型设计和测试期间的大量电力。该团队估计，只需传统测试 5% 的能量和 2% 的时间即可预测新电池设计的循环寿命。
“当我们从历史电池设计中学习时，我们利用基于物理的特征来构建早期测试和循环寿命之间的通用映射，”密歇根大学电气与计算机工程助理教授、《自然》杂志上该研究的通讯作者 Ziyou Song 说。 “我们可以最大限度地减少实验工作，并实现新电池设计的准确预测性能。”
这项研究由加利福尼亚州的电池公司 Farasis Energy USA 资助，该公司还提供了电池及其设计和测试的数据，以评估该模型（仅使用免费公共数据进行训练）的表现。
该工具的灵感来自于一种称为“发现学习”或“边做边学”的教学方法。以这种方式学习的学生有一个需要解决的问题和帮助发现解决方案的资源，同时利用他们自己的经验和先验知识。在解决许多问题的过程中，学生不再需要资源来解决类似的问题——他们已经内化了知识和技能。