Bayangna ana paranormal sing ngandhani wong tuwamu, ing dina lairmu, pira suwene kowe bakal urip. Pengalaman sing padha uga bisa ditindakake dening ahli kimia baterei sing nggunakake model komputasi anyar kanggo ngetung umur baterei adhedhasar mung siji siklus data eksperimen.

Ing sawijining panliten anyar, para peneliti ing Laboratorium Nasional Argonne Departemen Energi AS (DOE) wis nggunakake kekuwatan pembelajaran mesin kanggo prédhiksi umur macem-macem kimia baterei sing beda-beda. Kanthi nggunakake data eksperimen sing diklumpukake ing Argonne saka sakumpulan 300 baterei sing makili enem kimia baterei sing beda-beda, para ilmuwan bisa nemtokake kanthi akurat suwene baterei sing beda-beda bakal terus siklus.

Para peneliti Argonne wis nggunakake model pembelajaran mesin kanggo nggawe prediksi siklus urip baterei kanggo macem-macem kimia sing beda-beda. (Gambar dening Shutterstock/Sealstep.)

Ing algoritma pembelajaran mesin, para ilmuwan nglatih program komputer kanggo nggawe inferensi saka sakumpulan data awal, banjur njupuk apa sing wis disinaoni saka pelatihan kasebut kanggo nggawe keputusan babagan sakumpulan data liyane.

"Kanggo saben jinis aplikasi baterei sing beda-beda, saka telpon seluler nganti kendaraan listrik nganti panyimpenan jaringan, umur baterei iku penting banget kanggo saben konsumen," ujare ilmuwan komputasi Argonne, Noah Paulson, salah sawijining penulis panliten kasebut. "Kudu ngowahi baterei ewonan kaping nganti rusak bisa mbutuhake pirang-pirang taun; metode kita nggawe pawon uji komputasi ing ngendi kita bisa kanthi cepet nemtokake kepiye kinerja baterei sing beda-beda."

"Saiki, siji-sijine cara kanggo ngevaluasi kepiye kapasitas ing baterei saya suda yaiku kanthi siklus baterei," tambah ahli elektrokimia Argonne, Susan "Sue" Babinec, penulis liyane saka panliten iki. "Larang banget lan butuh wektu suwe."

Miturut Paulson, proses netepake umur baterei bisa dadi angel. ​"Kasunyatane yaiku baterei ora tahan selawase, lan suwene tahan gumantung saka cara panggunaan, uga desain lan kimiane," ujare. ​"Nganti saiki, durung ana cara sing apik kanggo ngerti suwene baterei bakal tahan. Wong-wong bakal pengin ngerti suwene baterei bakal tahan nganti kudu ngetokake dhuwit kanggo baterei anyar."

Salah sawijining aspek unik saka panliten iki yaiku gumantung marang karya eksperimen ekstensif sing ditindakake ing Argonne babagan macem-macem bahan katoda baterei, utamane katoda berbasis nikel-mangan-kobalt (NMC) sing dipatenake Argonne. "Kita duwe baterei sing makili kimia sing beda-beda, sing duwe cara sing beda-beda kanggo ngrusak lan gagal," ujare Paulson. "Nilai saka panliten iki yaiku menehi sinyal sing dadi ciri khas kinerja baterei sing beda-beda."

Panliten luwih lanjut ing babagan iki nduweni 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 prediksi babagan kimia sing ora dingerteni," ujare. "Intine, algoritma kasebut bisa mbantu nuduhake arah kimia anyar lan luwih apik sing nawakake umur sing luwih dawa."

Kanthi cara iki, Paulson percaya manawa algoritma pembelajaran mesin bisa nyepetake pangembangan lan pengujian bahan baterei. ​"Umpamane sampeyan duwe materi anyar, lan sampeyan nglakokake siklus kaping pirang-pirang. Sampeyan bisa nggunakake algoritma kita kanggo prédhiksi umure, banjur nggawe keputusan apa sampeyan pengin terus nglakokake siklus kanthi eksperimen utawa ora."

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

Makalah adhedhasar panliten kasebut, "Rekayasa fitur kanggo pembelajaran mesin ngaktifake prediksi awal umur baterei,” muncul ing edisi online tanggal 25 Februari saka Journal of Power Sources.

Saliyané Paulson lan Babinec, panulis liyané ing makalah iki kalebu Joseph Kubal saka Argonne, Logan Ward, Saurabh Saxena lan Wenquan Lu.

Panliten iki didanai dening hibah Riset lan Pengembangan sing Diarahake Laboratorium Argonne (LDRD).