為了有助于加速電池研發，斯坦福大學和麻省理工學院的研究人員與豐田研究所合作，利用機器學習開發出一種能夠非常準確地預測電池性能的算法。

通常，想要知道鋰離子電池壽命什么時候結束是很難預測的，這也使得新電池技術的研究和開發非常耗時。

化學品和材料的不同組合是否會導致鋰電池變體的持續時間比其上一代電池長得多？快充是否會對電池壽命產生長期影響？唯一的方法是反復充電和放電樣品，直到它達到其生命周期的末期，該生命周期被定義為低于其原始功率容量的20％。這類測試是一個耗時的過程，部分原因是電池技術的創新無法與電子技術保持同步。

為了有助于加速電池研發，斯坦福大學和麻省理工學院的研究人員與豐田研究所合作，利用機器學習開發出一種能夠非常準確地預測電池性能的算法。

根據發表在“自然能源”雜志上的一篇論文，該機器學習算法可以預測鋰離子電池的壽命，并可以幫助科學家更快地以更低的成本開發設計出更好的電池。方法是收集電池數億次充放電的測量訓練，還包括電源容量、充電時間、電池單元溫度等，直至它們失效。

該論文的共同作者斯坦福大學材料科學與工程專業的博士生Peter Attia說，“由于電池使用壽命長，這個過程可能需要數月甚至數年。這是電池研究中的一個昂貴的瓶頸。”

整個機器學習測試是這樣運行的：

首先，斯坦福大學、麻省理工學院、豐田研究所和勞倫斯伯克利實驗室的研究人員檢查了124個鋰離子電池。他們經過反復的充放電，直到電池性能下降約20％，通常在150到2300次充電循環之間。

其次，研究人員繪制了電池在每個周期的容量，以生成96700個周期的數據集。將其輸入回歸模型，這是一種檢驗不同變量之間關系的統計方法，用于預測電池在前100個循環中的性能持續多長時間。

結果表明，該模型能夠從電壓水平和前100個周期的其他讀數預測電池的整體壽命，準確率為91％。研究人員還可以在分析前五個周期的數據后，以95％的準確率對電池進行分類，確定它們的壽命是長還是短。

使用這種技術，可以預測單個電池在最初幾個循環后的性能，從而可以將它們分類到不同應用和要求的模組中，并且規定不同的價格。

“對于電池開發所花費的所有時間和金錢來說，該項電池測試的進展仍然是幾十年來的進步。”該論文的共同作者，豐田研究所的研究科學家Patrick Herring說。 “在這項工作中，我們正在減少一個最耗時的步驟——一個大數據的電池測試。”