完美的电池，未来来自AI？

发文 / 涂彦平

编辑 / 黄大路

设计 / 师 超

来源 / Automotive News，springwise

没有人想到，AI 会成为 2024 年度诺贝尔奖最大赢家，物理奖和化学奖都与人工智能研究有关。

许多人首先知道，机器学习的模型是以物理方程为基础的，而人工智能被用来研究蛋白质的结构。

不经意间，我们已步入其中。 AI 时代。

由于电动汽车在世界各地越来越受欢迎，人们对电池安全的担忧比以往任何时候都更加迫切。在这种情况下 AI 和电池结合起来，会有什么样的场景？

预防热失控

动力电池安全的一个关键问题是热失控，这是由不可预测的温度飙升引起的，可能导致锂电池发生毁灭性火灾甚至爆炸。

亚利桑那大学（the University of Arizona）新研究为解决这一问题提供了一种新颖的解决方案，将机器学习与热传感器结合起来。

首席研究员，巴萨博士生 · 兰詹 · 达斯 · 戈斯瓦米（Basab Ranjan Das Goswami）维塔利和项目首席研究员 · 尤尔基夫（Vitaliy Yurkiv）教授开发了一个能够感知、预测和识别电动汽车电池中热失控事件的系统。

单个电芯上包裹着热传感器(多达 1000 一个电池紧密地挤在一起，形成一个完整的电池)，这些传感器被输入到根据历史数据训练的机器学习算法中。

该算法通过分析模式预测未来的过热事件，并对潜在故障发出预警。戈斯瓦米正在接受 Springwise 采访中解释说：“这种方法可以实现实时监控和早期治疗，降低电动汽车发生毁灭性故障的可能性。

与传统的方法不同，戈斯瓦米和尤尔基夫教授使用的方法是创新的。 AI 结合多物理场模型和轻型传感器。这比使用笨重的热成像技术更具成本效率，也可以集成到现有的电池管理系统中，即时准确地预测温度峰值。

正如戈斯瓦米所总结的那样，“这一学科的融合使我们能够从被动的安全措施转变为主动的预防措施。”

该团队获得了美国国防部的“国防鼓励竞争研究计划” 599808 资助美元。她们也在探索与汽车制造商的合作，将这项技术投入到商业应用中。

找出电池缺陷

很多科技公司都渴望在动力电池中找到可能引起火灾和其它问题的不足，AI 正在帮助他们做到这一点。

她们正在训练 AI 该模型可以快速评估电池中哪些是正常的，哪些是不正常的。自动化工具大大加快了质量检测速度。

PDF Solutions 电池解决方案总监 Peter Kostka 于 10 月 10 日在底特律电池展上说：“ AI 关键在于可扩展性：布局越多，效果越好。”

PDF Solutions 教它的 AI 了解电池结构的模型。

“如果我们的模型知道，‘嘿，这些是我通常应该看到的东西’...那么同一个模型可以用在不同的生产线上，我们可以获得可扩展性。”他说。

UnitX 还使用 AI 改善缺陷识别过程。 3D 技术能高速识别细微异常现象。CEO Keven Wang 就电池展而言，它还可以检查比例。 2D 更深的视觉深度。

在 UnitX 在案例研究中，每个人类操作员 5 每分钟扫描一个电池， AI 工具每 3.5 每秒扫描一次。Wang 据说，根据这个案例研究，工厂可以使用它 AI 三名人工检测员被重新分配工具。

“这需要看到以前看到的缺陷，但是你会惊讶于它有多好，教学需要的样本有多少。”

加快发展速度

AI 软件提供商 Monolith 首席执行官理查德 · 阿尔菲尔德 ( Richard Ahlfeld ) 说电池公司多年来一直在用机器学习，但是大部分电池行业还没有接受。 AI。这项技术能使电池测试时间缩短一半，他说。

“电动汽车比赛变得更加激烈。”他说:“现在大家都在想，‘好吧，我们还能做些什么来提高速度？’而且这是一个已经被证明可以大大加快开发速度的工具。"

Monolith 的 AI 软件协助 Jota Sport 跑车工程师对跑道测试和模拟数据进行改进和验证▼

蔚来欧洲公司在那里 9 月表示，将使用 Monolith 该技术建立了一个联合机器学习模型，用于比较当前的车辆现场数据和基准测试信息。它还将减少电池数据清理、再取样、分析和检查的异常时间。

找出下一代材料

许多企业开始使用 AI 利用汽车电池管理系统对电池健康状况进行预测和优化； ChatGPT 进行清理、分类和重组；并且绘制分子图以找到下一代材料。

阿尔菲尔德说，了解健康状况可以帮助驾驶员提高充电能力，并可能延长电池寿命。 10% 至 20%。

SES AI 胡启朝CEO说，SES AI 正在开发 AI 为了绘制比人类更能绘制的分子图，模型。他说，这些模型可以像顶级科学家一样聪明，甚至更聪明。

SES AI 在电动汽车、电子设备、电网存储等应用中，相信这些分子图会加速材料的发现，从而解决任何电池问题。

但是人类科学家是使数据库发挥作用的关键。

“人类科学家仍然需要生成模型、使用和实际测试电池。因此，这几乎就像一个模型创造想法，但思想的验证仍然由人类来完成。”他说。

AI 的未来？

帕特里克里克里克里克，麦肯锡未来旅游研究中心汽车及安装业务合作伙伴。 · 赫茨克（Patrick Hertzke）化学材料的进步表明， AI 最令人兴奋的潜力在于电池领域。

为了改善电池，许多公司都在进行增量检测。

“这就像制造疫苗或制造药物一样。这不容易，也不是线性的。”赫茨克说。然而，基于制药领域的突破，“你也应该对电池领域的化学改进潜力感到非常兴奋。”

电池技术公司表示，这一潜力可能需要几年时间。

"电池制造与其说是一门科学，不如说是一门艺术." BattGenie 马南，公司CEO · 帕塔克（Manan Pathak）在电池展上，“要想拥有端到端的制造工艺，制造出真正好的、可重复的、错误率极低的电池是非常困难的。”

Wang 据说，即使要捕捉缺陷，AI 该模型还需要人工培训。

" AI 这是另一种算法形式。" Wang 他说：“这不是神丹妙药。这不是法术。它可以很好地预测事物。”

点击阅读原文

▼

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com