用AI深度学习提升电池性能,看手机和电动车的受益路径

作者|宇伊出品| 新芒X

有这样一种感受和现实,我们常用的手机待机时间越来越长,新能源电动车的续航能力也越来越强。这些都成为各家对外宣传时的一大亮点。

诸如我们看到某家手机厂商高调发布了125W闪充,20分钟充满4000mAh电池能量的手机。而新能源汽车方面,特斯拉新款车达到了668公里后轮驱动版续航里程。 国内的小鹏汽车,也达到了520 km NEDC综合工况续航。

那么作为万能的人工智能,在这方面又发挥着怎样的效力,为其发光发热?我们也试图进行探究。

近期,我们了解到,一种新的机器学习算法,使研究人员可以在运行3-D仿真之前,探索燃料电池和锂离子电池微结构的可能设计,以帮助研究人员进行更改以提高性能。

改进后带来的效果,就包括使智能手机充电更快,增加电动汽车充电之间的时间间隔,以及增加运行数据中心的氢燃料电池的功率。

看多了AI应用或各色机器人,可以说人工智能也在那些微观世界贡献能力。

我们具体再看,它是如何发挥作用的。

燃料电池使用可由风能和太阳能产生的清洁氢燃料来产生热量和电能,而锂离子电池(如智能手机,笔记本电脑和电动汽车中的锂离子电池)是一种流行的能量存储类型。

两者的性能都与它们的微观结构密切相关:它们电极内部的孔的形状和排列方式影响着燃料电池能产生多少功率,以及电池的充电和放电速度如何。

但是,由于微米级的孔非常小,因此很难以足够高的分辨率研究它们的特定形状和大小,以使其与整体细胞性能相关。

现在,帝国研究人员已应用机器学习技术来帮助他们虚拟地探索这些孔,并运行3-D模拟以根据其微观结构预测细胞性能。

研究人员使用了一种新颖的机器学习技术,称为“深度卷积生成对抗网络”(DC-GAN)。

这些算法可以学习基于从纳米级成像执行的同步加速器(一种足球场大小的粒子加速器)获得的训练数据中生成微观结构的3-D图像数据。

帝国大学地球科学与工程系的主要作者安德里亚·盖翁-隆巴多表示,他们的技术正在帮助我们放大电池,以了解哪些特性会影响整体性能。开发基于图像的机器学习技术可以解锁大规模分析图像的新方法。

在进行3-D模拟以预测细胞性能时,研究人员需要足够大的数据量才能被认为是整个细胞的统计学代表。当前难以以所需的分辨率获得大量的微结构图像数据。这也成为一个现实问题。

但是,作者发现,他们可以训练代码来生成具有相同属性的更大数据集,或者有意生成模型认为可以提高电池性能的结构。

帝国理工学院戴森设计工程学院的项目主管Sam Cooper博士表示,他们团队的发现将帮助能源界的研究人员设计和制造优化的电极,以改善电池性能。这对于储能和机械制造来说都是激动人心的时刻。

通过限制他们的算法以仅产生当前可行的制造结果,研究人员希望将他们的技术应用于制造,以设计用于下一代电池的优化电极。

由此可见,人工智能在那些我们察觉不到的领域,也通过其特有的深度学习等能力,改变和提升着其性能。

就在近期,有这样一个数据,市场调研机构 IDC 预估,2020 年全球人工智能市场的规模将会比 2019 年增长 12.3%。分析师表示,考虑到多方面的利好因素,今年人工智能市场规模有望达到 1565 亿美元。IDC同时 表示,今年增速受到了疫情影响,但是对人工智能市场的投资将会快速恢复。

人工智能在疫情之下的能力,得以充足的发挥,场景化的落地应用也得到大力度验证,走出实验室,迈向市场。

而本文阐述的AI在电池性能提升方面的新解决方案,很大程度上的会提升智能手机也好,笔记本也好,亦或者新能源电动汽车,极其关键的续航性能指标。

人工智能正在所见和看不见的地方,悄然的改变着我们的生活和体验。

(注:本文部分图片来自网络,向原作者致谢,如有侵权,可后台私信沟通处理)