A. I. سرعت تست باتری برای وسایل نقلیه الکتریکی

محققان با استفاده از هوش مصنوعی به بریده بریده تست باتری نیوز—یک کلید مانعی برای طولانی مدت و سریع تر شارژ باتری برای وسایل نقلیه الکتریکی.

عملکرد باتری می تواند باعث شکستن و یا وسیله نقلیه الکتریکی تجربه از جمله رانندگی محدوده زمان شارژ و عمر ماشین. در حال حاضر هوش مصنوعی ساخته شده است که رویای شارژ EV در زمان آن طول می کشد به توقف در ایستگاه گاز بیشتر به احتمال زیاد واقعیت محققان گزارش. آن را نیز می تواند کمک به بهبود جنبه های دیگر از فن آوری باتری.

برای چندین دهه بررسی بار باعث شده عمده تنگنا در پیشرفت در برق خودرو. در هر مرحله از باتری فرآیند توسعه محققان باید آزمایش فن آوری های جدید برای ماه ها یا حتی سال برای تعیین چه مدت آنها خواهد انجامید.

اما در حال حاضر محققان توسعه داده اند یک ماشین یادگیری مبتنی بر روش است که کاهش این تست برابر با 98% است. اگر چه گروه آزمایش روش خود را در شارژ باتری و سرعت آنها می گویند آن را اعمال می شود به آن متعدد دیگر نقاط باتری توسعه خط لوله و حتی به غیر از فن آوری های انرژی.

“در تست باتری شما باید سعی کنید تعداد گسترده ای از مسائل به دلیل عملکرد شما متفاوت خواهد بود به شدت می گوید:” Stefano Ermon استادیار علوم کامپیوتر در دانشگاه استنفورد که رهبری این پروژه با ویلیام Chueh استادیار علوم و مهندسی مواد. “با هوش مصنوعی ما به سرعت قادر به شناسایی مهمترین رویکردها و قطع مقدار زیادی از آزمایش های غیر ضروری.”

آزمون و خطا تست باتری

هدف از این مطالعه در طبیعت بود و پیدا کردن بهترین روش برای شارژ یک باتری EV در 10 دقیقه که حداکثر باتری را به طور کلی طول عمر. محققان نوشت: یک برنامه که بر اساس تنها چند شارژ, چرخه, پیش بینی چگونه باتری به پاسخ های مختلف شارژ روش. این نرم افزار همچنین تصمیم گرفت در زمان واقعی چه شارژ روش به تمرکز بر روی و یا نادیده گرفت.

کاهش طول و تعداد آزمایش های مجاز, محققان برای کاهش فرایند آزمایش از تقریبا دو سال به 16 روز.

“یادگیری ماشین است trial-and-error اما در راه دقیق.”

“ما که چگونه تا حد زیادی به سرعت بخشیدن به فرایند آزمایش برای شارژ سریع می گوید:” پیتر Attia که co-چراغ مطالعه در حالی که یک دانشجوی کارشناسی ارشد. “آنچه واقعا هیجان انگیز است روش. ما می توانیم اعمال این روش به بسیاری از مشکلات دیگر که در حال حاضر در حال برگزاری باتری توسعه برای ماه یا سال است.”

طراحی فوق العاده سریع شارژ باتری یک چالش عمده عمدتا به دلیل آن را دشوار است به آنها گذشته است. شدت سریع تر شارژ می گذارد و فشار بیشتر بر روی باتری است که اغلب باعث می شود آن را به شکست زود است. برای جلوگیری از این آسیب به باطری یک جزء است که حساب برای یک تکه بزرگ از یک ماشین الکتریکی کل هزینه باتری مهندسین باید آزمون جامع سری از شارژ روش برای پیدا کردن آنهایی که بهترین کار است.

تحقیقات جدید به دنبال بهینه سازی این فرایند است. در ابتدا این تیم را دیدم که سریع شارژ بهینه سازی به مبلغ بسیاری از آزمون و خطا تست—چیزی که ناکارآمد است برای انسان اما کامل مشکل برای یک ماشین.

“یادگیری ماشین است trial-and-error اما در راه دقیق می گوید:” Aditya Grover, دانشجوی کارشناسی ارشد در علوم کامپیوتر که همچنین co-چراغ مطالعه. “کامپیوتر هستند به مراتب بهتر از ما بدانند که برای کشف—سعی کنید جدید و روش های مختلف—و زمانی که به بهره برداری و یا صفر در بیشتر امیدوار کننده هستند.”

ماشین در مقابل انسان ها

این تیم با استفاده از این قدرت به نفع خود در دو روش کلیدی. آنها با استفاده از آن به منظور کاهش بار در دوچرخه سواری آزمایش. در یک مطالعه قبلی محققان دریافتند که به جای شارژ و شارژ هر باطری تا زمانی که آن را شکست خورده—راه معمول از تست یک باتری طول عمر آنها می تواند پیش بینی چه مدت باتری گذشته خواهد بود تنها پس از آن برای اولین بار 100 شارژ چرخه. دلیلش این است که یادگیری ماشین سیستم پس از پژوهشگران آموزش آن را در چند باتری حدودا به شکست می تواند پیدا کردن الگوهای در اوایل داده است که presaged چه مدت باتری خواهد آخرین.

دوم, یادگیری ماشین کاهش می یابد تعدادی از روش های آنها تا به حال برای تست. به جای تست ممکن است هر روش شارژ به همان اندازه و یا با تکیه بر شهود کامپیوتر یاد گرفتم از تجربیات خود را به سرعت پیدا کردن بهترین پروتکل برای تست.

با آزمایش کمتر روش برای کمتر چرخه محققان به سرعت مطلوب ultra-fast-شارژ پروتکل برای خود باتری. در علاوه بر این به طور چشمگیری بالا بردن سرعت, تست کامپیوتر, راه حل ثابت بهتر و بیشتر از حد معمول—از چه باتری دانشمند احتمال را ابداع Ermon می گوید.

“این به ما این طور شگفت انگیزی ساده شارژ پروتکل—چیزی است که ما انتظار نداشتند” Ermon می گوید. “که تفاوت بین یک انسان و یک ماشین: ماشین است نه مغرضانه توسط انسان شهود که قدرتمند است اما گاهی اوقات گمراه کننده است.”

بیش از وسایل نقلیه الکتریکی

محققان می گویند رویکرد خود را می تواند سرعت بخشیدن به تقریبا هر قطعه از باتری توسعه خط لوله: از طراحی شیمی از یک باتری برای تعیین اندازه و شکل به پیدا کردن بهتر سیستم های تولید و ذخیره سازی.

این امر دارای پیامدهای گسترده نه تنها برای وسایل نقلیه الکتریکی اما برای دیگر انواع انرژی ذخیره یک کلید مورد نیاز برای ساخت سوئیچ به باد و انرژی خورشیدی در مقیاس جهانی است.

“این یک راه جدید برای انجام battery توسعه می گوید:” coauthor پاتریک شاه ماهی یک دانشمند در تویوتا موسسه تحقیقات. “داشتن اطلاعات است که شما می توانید به اشتراک گذاری در میان تعداد زیادی از مردم در دانشگاه و صنعت است که به طور خودکار تجزیه و تحلیل را قادر می سازد بسیار سریع تر نوآوری است.”

محققان را در این مطالعه یادگیری ماشین و داده های جمع آوری سیستم های موجود برای آینده باتری دانشمندان به آزادانه استفاده, شاه ماهی می گوید. با استفاده از این سیستم برای بهینه سازی بخش های دیگر از فرایند یادگیری ماشین باتری توسعه و ورود جدیدتر و بهتر فن آوری می تواند سرعت بخشیدن به منظور از قدر یا بیشتر او می گوید.

پتانسیل این مطالعه از روش گسترش حتی فراتر از جهان از باتری Ermon می گوید. دیگر داده های بزرگ تست مشکلات مانند مواد مخدر توسعه و بهینه سازی عملکرد اشعه X و لیزر نیز می تواند به نفع از یادگیری ماشین بهینه سازی. و در نهایت او می گوید آن را حتی می تواند کمک به بهینه سازی یکی از اساسی ترین مراحل از همه.

“بزرگتر امید است برای کمک به فرایند کشف علمی خود را” Ermon می گوید. “ما در حال پرسیدن: می تواند به ما در طراحی این روش به آمده تا با فرضیه به طور خودکار ؟ آنها می توانند به ما کمک عصاره دانش است که انسان می تواند نه ؟ به عنوان ما بهتر و بهتر الگوریتم ما امیدواریم که کل کشفیات علمی فرایند ممکن است به شدت با سرعت بالا.”

اضافی نویسندگان از MIT, Stanford و تویوتا موسسه تحقیقات. استنفورد تویوتا موسسه تحقیقات بنیاد ملی علوم آمریکا وزارت انرژی و مایکروسافت کار پشتیبانی می کند.

منبع: Matthew Vollrath برای دانشگاه استنفورد

اصلی مطالعه DOI: 10.1038/s41586-020-1994-5

tinyurlis.gdv.gdv.htclck.ruulvis.netshrtco.de

Leave a reply

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>