想象一下，一位通灵者告诉你的父母，在你出生的那天，你会活多久。对于使用新的计算模型基于单周期实验数据来计算电池寿命的电池化学家来说，也可能有类似的经历。

在一项新研究中，美国能源部 (DOE) 阿贡国家实验室的研究人员利用机器学习的力量来预测各种不同电池化学成分的寿命。通过使用阿贡国家实验室从代表六种不同电池化学成分的 300 个电池中收集的实验数据，科学家们可以准确地确定不同电池将继续循环多长时间。

阿贡国家实验室的研究人员使用机器学习模型来预测各种不同化学物质的电池循环寿命。（图片由 Shutterstock/Sealstep 提供。）

在机器学习算法中，科学家训练计算机程序对一组初始数据进行推理，然后利用从训练中学到的知识对另一组数据做出决策。

该研究的作者之一、阿贡国家实验室计算科学家诺亚·保尔森 (Noah Paulson) 表示：“对于每种不同类型的电池应用，从手机到电动汽车再到电网存储，电池寿命对每个消费者来说都至关重要。”â�<“必须将电池循环数千次直到失效可能需要数年时间；我们的方法创建了一种计算测试厨房，我们可以在其中快速确定不同电池的性能。”

阿贡国家实验室电化学家苏珊补充道：“目前，评估电池容量如何衰减的唯一方法是对电池进行实际循环。”该研究的另一位作者“苏”巴比内克（Susan Babinec）补充道。â�<“它非常昂贵，而且需要很长时间。”

保尔森表示，确定电池寿命的过程可能很棘手。â�<“现实情况是，电池不会永远持续下去，它们的持续时间取决于我们使用它们的方式，以及它们的设计和化学成分，”他说。â�<“到目前为止，还没有一种很好的方法来了解电池的使用寿命。人们会想知道他们还需要多久才能花钱购买新电池。”

这项研究的一个独特之处在于，它依赖于阿贡国家实验室对各种电池阴极材料进行的广泛实验工作，特别是阿贡国家实验室的专利镍锰钴（NMC）阴极。保尔森说：“我们的电池代表了不同的化学成分，它们的降解和失效方式也不同。”â�<“这项研究的价值在于，它为我们提供了不同电池性能特征的信号。”

保尔森表示，这一领域的进一步研究有可能指导锂离子电池的未来。â�<“我们能够做的一件事就是在已知的化学物质上训练算法，并让它对未知的化学物质做出预测，”他说。â�<“从本质上讲，该算法可能有助于为我们指明新的和改进的化学物质的方向，从而提供更长的使用寿命。”

这样，保尔森认为机器学习算法可以加速电池材料的开发和测试。â�<“假设您有一种新材料，并且将其循环几次。您可以使用我们的算法来预测其寿命，然后决定是否要继续进行实验循环。”

“如果您是实验室的研究人员，您可以在更短的时间内发现和测试更多的材料，因为您可以更快地评估它们，”Babinec 补充道。

基于该研究的论文，​“机器学习的特征工程实现了电池寿命的早期预测，”出现在 2 月 25 日《电源杂志》网络版上。

除了 Paulson 和 Babinec 之外，该论文的其他作者还包括阿贡国家实验室的 Joseph Kubal、Logan Ward、Saurabh Saxena 和 Wenquan Lu。

该研究由阿贡实验室指导研究与开发 (LDRD) 拨款资助。