斯坦福大学领导的研究小组使用人工智能将电池测试时间缩短了近15倍，而电池测试时间是电动汽车持久，快速充电的主要障碍。从行驶里程到充电时间再到汽车使用寿命，电池性能会影响电动汽车的体验。现在，人工智能已经使梦想变成了现实，比如在加油站停车时给电动汽车充电，这将成为现实，并且可以帮助改善电池技术的其他方面。

几十年来，电动汽车电池的发展一直受到一个主要瓶颈的限制：评估时间。在电池开发过程的每个阶段，必须对新技术进行几个月甚至几年的测试，以确定它们将持续多长时间。

但是现在，由斯坦福大学教授Stefano Ermon 和 William Chueh领导的团队 开发了一种基于机器学习的方法，该方法将这些测试时间缩短了98%。尽管该小组在电池充电速度方面测试了他们的方法，但他们表示该方法可以应用于电池开发流程的许多其他部分，甚至可以应用于非能源技术。

“在电池测试中，您必须尝试大量的事情，因为获得的性能会大大不同，”计算机科学助理教授Ermon说。“借助AI，我们能够快速找到最有前途的方法，并消除许多不必要的实验。”

《自然》杂志发表 的 这项研究 是斯坦福大学，麻省理工学院和丰田研究所的科学家之间更大合作的一部分，该合作将基础学术研究与现实世界的工业应用联系起来。目标：找到在10分钟内为EV电池充电的最佳方法，以最大程度地延长电池的整体使用寿命。研究人员编写了一个程序，该程序仅基于几个充电周期即可预测电池对不同充电方式的反应。该软件还实时确定关注或忽略哪些计费方式。通过减少试验的时间和数量，研究人员将测试过程从近两年缩短到了16天。

“我们想出了如何极大地加快超快速充电的测试过程的方法，”彼得·阿提亚(Peter Attia)说。“不过，真正令人兴奋的是方法。我们可以将这种方法应用于目前导致电池开发延误数月或数年的许多其他问题。”

一种更智能的电池测试方法

设计超快速充电电池是一个重大挑战，主要是因为很难使它们持续使用。更快的充电强度会使电池承受更大的压力，这通常会导致电池过早失效。为了防止损坏构成电动汽车总成本很大一部分的电池组，电池工程师必须测试一系列详尽的充电方法，以找到最适合的充电方法。

新的研究试图优化这一过程。从一开始，团队就发现快速充电优化需要进行多次试错测试-对于人类来说这是低效率的，但是对于机器来说却是一个完美的问题。

“机器学习是反复试验，但是以一种更聪明的方式，”计算机科学专业的研究生阿迪亚·格罗弗(Aditya Grover)说，他也是该研究的共同负责人。“在确定何时进行探索，尝试新的和不同的方法以及何时对最有前途的方法进行开发或零投入方面，计算机要比我们好得多。”

团队通过两种关键方式利用了这一优势。首先，他们使用它来减少每个循环实验的时间。在 之前的研究中，研究人员发现，与其对每个电池进行充电和充电直至其失效(这是测试电池寿命的通常方法)，他们可以预测仅在最初的100个充电周期后电池可以使用多长时间。这是因为机器学习系统在经过几个循环失败的电池的培训之后，可以在早期数据中找到模式，这些模式预示了电池将持续多长时间。

其次，机器学习减少了他们必须测试的方法的数量。计算机没有平等地测试每种可能的充电方法，也不是依靠直觉来测试，而是从其经验中学到了可以快速找到最佳的测试协议。

通过以更少的周期测试更少的方法，该研究的作者迅速找到了适合其电池的最佳超快速充电协议。Ermon说，除了大大加快测试过程之外，该计算机的解决方案还比电池科学家可能设计的要好得多，而且也更加不寻常。

“它给了我们这个非常简单的充电协议，这是我们没想到的，” Ermon说。“这就是人与机器之间的区别：机器不受人的直觉的偏见，人的直觉功能强大，但有时会引起误解。”

广泛的应用

研究人员说，他们的方法几乎可以加速电池开发的每个环节：从设计电池的化学性质到确定其尺寸和形状，再到寻找更好的制造和存储系统。这不仅会对电动汽车产生广泛影响，而且对其他类型的储能也将产生广泛的影响，这是在全球范围内转向风能和太阳能的一项关键要求。

该研究的合著者，丰田研究院的科学家帕特里克·赫林说：“这是进行电池开发的一种新方法。” “拥有可以在学术界和工业界的许多人之间共享的数据并对其进行自动分析，可以更快地进行创新。”

Herring补充说，这项研究的机器学习和数据收集系统将可供未来的电池科学家自由使用。他说，通过使用该系统通过机器学习来优化流程的其他部分，电池开发以及更新更好的技术的到来可能会加速一个数量级甚至更多。

埃蒙说，这项研究方法的潜力甚至超出了电池领域。从药物开发到优化X射线和激光的性能等其他大数据测试问题，也可以通过使用机器学习优化来彻底解决。他说，最终，它甚至可以帮助优化所有最基本的流程之一。

埃蒙说：“更大的希望是帮助科学发现本身。” “我们在问：我们可以设计这些方法来自动提出假设吗?它们可以帮助我们提取人类无法获得的知识吗?随着我们获得越来越好的算法，我们希望整个科学发现过程可以大大加快。”