科学家利用”科学机器学习 “方法加速电池开发

科学家在利用机器学习加速电池开发以获得更好的电池方面取得了重大进展。研究人员将机器学习与从实验中获得的知识和物理学指导下的方程相结合，而不是像通常那样，仅仅通过寻找数据中的模式来加快科学分析的速度，他们发现利用”科学机器学习 “方法解释了缩短快速充电锂离子电池寿命的原理。

领导这项研究的斯坦福大学副教授、能源部SLAC国家加速器实验室研究员Will Chueh表示，这是首次将这种被称为 “科学机器学习 “的方法应用于电池循环。结果颠覆了人们长期以来对锂离子电池如何充电和放电的假设，并为研究人员提供了一套新规则，用于设计续航时间更持久的电池。

这项研究是在《自然材料》上报道的，这是斯坦福大学，SLAC，麻省理工学院和丰田研究所（TRI）合作的最新成果。目标是将基础研究和行业知识相结合，以开发可在10分钟内充电的长续航电动汽车电池。

这项新研究建立在之前两项进展的基础上，该小组使用了更传统的机器学习形式来加速电池测试以及取消许多可能的充电方法以找到最有效的充电方法的过程。

尽管这些研究使研究人员可以更快地取得进展，例如将确定电池寿命所需的时间减少了98％，但它们并没有揭示使某些电池寿命比其他电池更长的根本物理或化学原理。 。

该团队观察了由镍、锰和钴（NMC）制成的阴极粒子的行为。斯坦福大学博士后研究人员Stephen Dongmin Kang和Jungjin Park使用SLAC的斯坦福同步辐射光源的X射线来整体观察正在进行快速充电的粒子。然后，他们将粒子带到劳伦斯伯克利国家实验室的先进光源，用扫描X射线透射显微镜进行检查，该显微镜可以对单个粒子进行定位。

这些实验数据，以及快速充电的数学模型和描述过程化学和物理过程的方程式的信息，都被整合到了科学机器学习算法中。

到目前为止，科学家们一直认为粒子之间的差异是微不足道的，它们存储和释放离子的能力受限于锂在粒子内部的移动速度。通过这种观察事物的方式，锂离子同时以大致相同的速度流入和流出所有粒子。

这种新方法揭示了当电池充电时，粒子本身可以控制锂离子从阴极颗粒中移出的速度。一些粒子立即释放出许多离子，而另一些粒子则很少或根本不释放。快速释放的粒子以比其邻居更快的速率继续释放离子，这是以前从未发现过的积极反馈。

科学家们说，他们的新方法具有改善电池成本，存储容量，耐用性和其他重要性能的潜力，适用于从电动汽车到笔记本电脑再到电网上大规模存储可再生能源的各种应用。

这项研究得到了丰田研究所的资助。斯坦福同步辐射光源和先进光源是DOE科学办公室的用户设施，在那里的工作得到了DOE科学办公室和DOE先进电池材料研究计划的支持。获取更多前沿科技 研究访问：https://byteclicks.com

一段动画显示了电池充电过程中电极颗粒如何释放其储存的锂离子的两种对比图。红色的颗粒充满了锂，绿色的颗粒是空的。科学家们曾认为离子是以大致相同的速度同时从所有颗粒中流出的（左）。但SLAC和斯坦福大学研究人员的一项新研究描绘了一幅不同的画面（右）。一些粒子立即释放大量离子，而且速度很快，而另一些粒子释放离子的速度很慢，或者根本就没有释放。这种不均衡的模式会给电池带来压力，并缩短其寿命。