MIT, Stanford dan Toyota Gunakan AI untuk Prediksi Umur Baterai Mobil. Para ilmuwan di MIT, Stanford University dan Toyota Research Institute (TRI) telah menerbitkan penelitian yang merinci sistem untuk memprediksi masa pakai baterai lithium-ion sebelum kapasitas mereka mulai menurun.
Setelah para peneliti melatih model pembelajaran mesin mereka (kombinasi data eksperimental yang komprehensif dan kecerdasan buatan) dengan beberapa ratus juta titik data, algoritme tersebut memperkirakan berapa banyak lagi siklus setiap baterai, berdasarkan pada penurunan tegangan dan beberapa faktor siklus.
Secara terpisah, algoritma mengkategorikan baterai sebagai harapan hidup yang panjang atau pendek berdasarkan hanya pada lima siklus pengisian / pengosongan pertama. Di sini, prediksi benar 95%. Metode pembelajaran mesin ini dapat mempercepat R&D untuk desain baterai baru, dan mengurangi waktu dan biaya produksi.
“Cara standar untuk menguji desain baterai baru adalah mengisi dan mengeluarkan sel sampai mati. Karena baterai memiliki masa pakai yang panjang, proses ini bisa memakan waktu berbulan-bulan bahkan bertahun-tahun, ”kata co-lead penulis Peter Attia, kandidat doktoral Stanford di bidang sains dan teknik bahan. “Ini adalah hambatan mahal dalam penelitian baterai.”
Pekerjaan itu dilakukan di Pusat Desain Baterai Berbasis Data. Peneliti Stanford, dipimpin oleh William Chueh, asisten profesor di bidang sains dan teknik bahan, melakukan percobaan baterai. Tim MIT, yang dipimpin oleh Richard Braatz, profesor teknik kimia, melakukan pekerjaan pembelajaran mesin. Kristen Severson adalah penulis utama penelitian ini. Dia menyelesaikan PhD dalam bidang teknik kimia di MIT musim semi lalu.
Rekan penulis studi, Muratahan Aykol dan Patrick Herring membawa pengalaman TRI dengan data besar ke proyek (dan keahlian mereka sendiri dalam pengembangan baterai) untuk memungkinkan manajemen yang efektif dan aliran data baterai yang mulus, yang sangat penting dalam penciptaan model pembelajaran mesin yang akurat. untuk prediksi awal kegagalan baterai.
Penelitian ini memiliki banyak aplikasi potensial menurut Attia. Misalnya, dapat mempersingkat waktu validasi untuk kimia baru. Pabrikan juga dapat menggunakan teknik penyortiran untuk menilai baterai – baterai dengan daya tahan yang lebih lama dapat digunakan dalam aplikasi yang lebih menuntut (seperti kendaraan listrik) dan karenanya dijual dengan harga lebih tinggi. Pendaur ulang dapat menggunakan teknologi untuk menilai sel dalam kemasan baterai EV yang digunakan, menentukan apakah mereka memiliki masa pakai yang cukup untuk penggunaan sekunder.
Penelitian ini adalah bagian dari program Accelerated Material Design and Discovery (AMDD). Dipimpin oleh direktur program Brian Storey, inisiatif US $ 35 juta ini bekerja sama dengan entitas penelitian, universitas, dan perusahaan untuk menggunakan kecerdasan buatan untuk mempercepat desain dan penemuan bahan canggih.
