Bayangna paranormal sing ngandhani wong tuwa, ing dina sampeyan lair, suwene sampeyan bakal urip.Pengalaman sing padha bisa ditindakake kanggo ahli kimia baterei sing nggunakake model komputasi anyar kanggo ngetung umur baterei adhedhasar mung siji siklus data eksperimen.

Ing panaliten anyar, peneliti ing Laboratorium Nasional Argonne Departemen Energi AS (DOE) wis nguripake daya saka machine learning kanggo prédhiksi umur sawetara saka sudhut kimia baterei beda.Kanthi nggunakake data eksperimen sing diklumpukake ing Argonne saka sakumpulan 300 baterei sing makili enem kimia baterei sing beda, para ilmuwan bisa nemtokake kanthi akurat suwene baterei sing beda-beda bakal terus siklus.

Peneliti Argonne wis nggunakake model learning machine kanggo nggawe prediksi umur siklus baterei kanggo macem-macem kimia beda.(Gambar dening Shutterstock/Sealstep.)

Ing algoritma machine learning, para ilmuwan nglatih program komputer kanggo nggawe inferensi babagan set data awal, banjur njupuk apa sing wis disinaoni saka latihan kasebut kanggo nggawe keputusan babagan set data liyane.

"Kanggo saben macem-macem aplikasi baterei, saka ponsel kanggo kendaraan listrik kanggo panyimpenan kothak, urip baterei punika dhasar wigati kanggo saben konsumen," ngandika Argonne ilmuwan komputasi Noah Paulson, penulis sinau."Kudu siklus baterei kaping ewu nganti gagal bisa mbutuhake pirang-pirang taun;cara kita nggawe pawon tes komputasi kanthi cepet supaya bisa nemtokake kinerja baterei sing beda-beda.

"Saiki, siji-sijine cara kanggo ngira-ngira kepiye kapasitas baterei bakal sirna yaiku kanthi bener siklus baterei," tambah ahli elektrokimia Argonne Susan "Sue" Babinec, penulis liyane saka panaliten kasebut."Rega banget lan butuh wektu suwe."

Miturut Paulson, proses nggawe umur baterei bisa angel."Kasunyatane yaiku baterei ora tahan suwe, lan suwene suwene gumantung saka cara kita nggunakake, uga desain lan kimia," ujare."Nganti saiki, durung ana cara sing apik kanggo ngerti suwene baterei bakal tahan.Wong-wong bakal pengin ngerti suwene nganti kudu mbuwang dhuwit kanggo baterei anyar.

Siji aspek unik saka sinau iku gumantung ing karya eksperimen ekstensif rampung ing Argonne ing macem-macem bahan katoda baterei, utamané Argonne kang paten nikel-mangan-kobalt (NMC) cathode basis."Kita duwe baterei sing nuduhake kimia sing beda-beda, sing duwe cara sing beda-beda supaya bisa mudhun lan gagal," ujare Paulson."Nilai panaliten iki yaiku menehi sinyal sing dadi karakteristik babagan kinerja baterei."

Sinau luwih lanjut ing wilayah iki duweni potensi kanggo nuntun masa depan baterei lithium-ion, ujare Paulson."Salah sawijining perkara sing bisa ditindakake yaiku nglatih algoritma babagan kimia sing dikenal lan nggawe ramalan babagan kimia sing ora dingerteni," ujare."Intine, algoritma kasebut bisa nulungi kita menyang arah kimia anyar lan luwih apik sing menehi umur luwih dawa."

Kanthi cara iki, Paulson percaya yen algoritma pembelajaran mesin bisa nyepetake pangembangan lan tes bahan baterei."Ngomong sampeyan duwe materi anyar, lan sampeyan siklus sawetara kaping.Sampeyan bisa nggunakake algoritma kanggo prédhiksi umur dawa, banjur nggawe keputusan apa sampeyan pengin terus siklus eksperimen utawa ora.

"Yen sampeyan peneliti ing laboratorium, sampeyan bisa nemokake lan nguji luwih akeh bahan ing wektu sing luwih cendhek amarga sampeyan duwe cara sing luwih cepet kanggo ngevaluasi," tambah Babinec.

Makalah adhedhasar sinau, "Rekayasa fitur kanggo sinau mesin ngaktifake prediksi awal umur baterei, "katon ing 25 Februari edisi online Jurnal Sumber Daya.

Saliyane Paulson lan Babinec, penulis kertas liyane kalebu Argonne Joseph Kubal, Logan Ward, Saurabh Saxena lan Wenquan Lu.

Panaliten kasebut didanai dening hibah Riset lan Pengembangan (LDRD) Argonne Laboratory-Directed Research and Development.