AI potrebbe prevedere con precisione la salute della batteria per veicoli elettrici e elettronica di consumo?

11 ore fa p Luke James I ricercatori, delle università di Cambridge e Newcastle nel Regno Unito, sostengono anche che il loro nuovo modello di apprendimento automatico potrebbe anche aiutare lo sviluppo di batterie più sicure e più affidabili per veicoli elettrici (EV) ed elettronica di consumo come smartphone e dispositivi indossabili. Se questo è vero, potrebbe essere risolto uno dei problemi più importanti che si trovano ad affrontare l'adozione diffusa di tecnologie come i veicoli elettrici: prevedere lo stato di salute e la durata utile residua delle batterie agli ioni di litio. Con il tempo, le batterie si degradano.
Questo non è un segreto. Ciò accade attraverso una complessa rete di sottili processi chimici che riducono collettivamente le prestazioni e la durata della vita. E essere in grado di monitorare questo è tanto complicato quanto importante.
Tuttavia, gli attuali metodi di valutazione delle condizioni di una batteria si basano sulla misurazione della corrente e della tensione durante i cicli di carica. Questo ci fornisce alcune informazioni sul suo stato attuale e su quanto si è degradato, ma non sui processi coinvolti. Per portare il monitoraggio della batteria al livello successivo, il sistema non invasivo e retrofittabile sviluppato si basa sull'intelligenza artificiale e utilizza un metodo di apprendimento automatico per monitorare le batterie inviando loro impulsi elettrici e misurando le risposte ricevute da esse.
Un algoritmo AI valuta quindi le diverse caratteristiche delle risposte per scoprire caratteristiche specifiche che sono segni di un degrado della batteria. Il team ha eseguito oltre 20.000 misurazioni sperimentali per addestrare il proprio modello di apprendimento automatico, fornendo all'intelligenza artificiale di base un enorme set di dati con cui confrontare nuove informazioni. Secondo i ricercatori, questa tecnologia è in grado non solo di monitorare accuratamente, ma anche di prevedere l'invecchiamento della batteria.
Utilizzando l'intelligenza artificiale, è possibile analizzare grandi quantità di dati in modo molto rapido ed efficiente. Può riconoscere i processi che si svolgono in una batteria e confrontarli con quelli visti nei precedenti set di dati. Nel tempo, questo produce risultati sempre più affidabili e nuove informazioni che potrebbero essere utilizzate per apportare miglioramenti significativi nella tecnologia delle batterie.
I ricercatori hanno anche dimostrato in che modo il loro modello di apprendimento automatico può fornire suggerimenti sul meccanismo fisico di degrado. Può indicare quali segnali elettrici sono maggiormente correlati all'invecchiamento, consentendo agli ingegneri di studiare perché e in che modo le batterie si degradano. Il Dr.
Yunwei Zhang, coautore dello studio, ha dichiarato: “I complementi di apprendimento automatico e aumentano la comprensione fisica. I segnali interpretabili identificati dal nostro modello di apprendimento automatico sono un punto di partenza per futuri studi teorici e sperimentali ”. Il modello di apprendimento automatico è attualmente utilizzato per monitorare i processi in diversi sistemi di batterie.
I ricercatori dietro di esso vogliono vedere come avviene il degrado e come può essere fermato o rallentato. Il Dr. Alpha Lee del Cavendish Laboratory di Cambridge ha dichiarato: "Migliorando il software che monitora la carica e la scarica e utilizzando software basato sui dati per controllare il processo di ricarica, credo che possiamo alimentare un grande miglioramento delle prestazioni della batteria.
".