Trí tuệ nhân tạo được sử dụng để tăng cường phát triển pin cho xe điện

Hiệu suất pin có thể làm hoặc phá vỡ trải nghiệm xe điện, từ phạm vi lái xe đến thời gian sạc cho đến tuổi thọ của xe. Giờ đây, trí tuệ nhân tạo đã biến những giấc mơ như sạc lại EV trong thời gian cần dừng lại ở trạm xăng trở thành hiện thực nhiều khả năng và có thể giúp cải thiện các khía cạnh khác của công nghệ pin.

Trong nhiều thập kỷ, những tiến bộ trong pin xe điện đã bị hạn chế bởi một nút thắt lớn: thời gian sử dụng. Ở mọi giai đoạn của quá trình phát triển pin, các công nghệ mới phải được thử nghiệm trong nhiều tháng hoặc thậm chí nhiều năm để xác định chúng sẽ tồn tại bao lâu. Nhưng bây giờ, một nhóm được dẫn dắt bởi các giáo sư Stanford, Stefano Ermon và William Chueh, đã phát triển một phương pháp dựa trên máy học, giúp giảm 98% thời gian thử nghiệm này. Mặc dù nhóm đã thử nghiệm phương pháp của họ về tốc độ sạc pin, họ nói rằng nó có thể được áp dụng cho nhiều phần khác của đường ống phát triển pin và thậm chí cho các công nghệ phi năng lượng.

Một nhóm được dẫn dắt bởi các giáo sư Stanford, Stefano Ermon và William Chueh, đã cắt giảm thời gian thử nghiệm pin – một rào cản quan trọng đối với việc sạc pin lâu hơn, sạc nhanh hơn cho xe điện.

Trong thử nghiệm pin, bạn phải thử rất nhiều thứ, bởi vì hiệu suất bạn đạt được sẽ thay đổi đáng kể, Ermon, một giáo sư trợ lý về khoa học máy tính cho biết. Với AI, chúng tôi có thể nhanh chóng xác định các phương pháp hứa hẹn nhất và loại bỏ rất nhiều thử nghiệm không cần thiết.

Nghiên cứu, được công bố bởi Nature vào ngày 19 tháng 2 năm 2020, là một phần của sự hợp tác lớn hơn giữa các nhà khoa học từ Stanford, MIT và Viện nghiên cứu Toyota, cầu nối nghiên cứu học thuật nền tảng và ứng dụng công nghiệp trong thế giới thực. Mục tiêu: tìm ra phương pháp tốt nhất để sạc pin EV trong 10 phút giúp tối đa hóa tuổi thọ chung của pin. Các nhà nghiên cứu đã viết một chương trình, chỉ dựa trên một vài chu kỳ sạc, dự đoán cách pin sẽ phản ứng với các phương pháp sạc khác nhau. Phần mềm cũng quyết định theo thời gian thực những cách tiếp cận sạc để tập trung vào hoặc bỏ qua. Bằng cách giảm cả thời lượng và số lượng thử nghiệm, các nhà nghiên cứu đã cắt giảm quá trình thử nghiệm từ gần hai năm xuống còn 16 ngày.

Peter Chúng tôi đã tìm ra cách tăng tốc đáng kể quá trình thử nghiệm để sạc cực nhanh, Peter nói, người đứng đầu nghiên cứu trong khi anh ấy còn là một sinh viên tốt nghiệp. Tuy nhiên, những gì thực sự thú vị là phương pháp. Chúng ta có thể áp dụng phương pháp này cho nhiều vấn đề khác mà ngay bây giờ, đang kìm hãm sự phát triển của pin trong nhiều tháng hoặc nhiều năm.

Một cách tiếp cận thông minh hơn để kiểm tra pin

Thiết kế pin sạc cực nhanh là một thách thức lớn, chủ yếu là vì rất khó để làm cho chúng bền. Cường độ sạc nhanh hơn gây căng thẳng lớn hơn cho pin, điều này thường khiến pin bị hỏng sớm. Để ngăn chặn thiệt hại này cho bộ pin, một bộ phận chiếm phần lớn trong tổng chi phí của một chiếc xe điện, các kỹ sư ắc quy phải thử nghiệm một loạt các phương pháp sạc đầy đủ để tìm ra phương pháp hoạt động tốt nhất.

Các nghiên cứu mới đã tìm cách tối ưu hóa quá trình này. Ngay từ đầu, nhóm nghiên cứu đã thấy rằng tối ưu hóa sạc nhanh lên tới nhiều thử nghiệm lỗi và thử nghiệm – một thứ không hiệu quả đối với con người, nhưng là vấn đề hoàn hảo cho một chiếc máy.

Học máy trên máy là thử và sai, nhưng theo cách thông minh hơn, thì ông Aditya Grover, một sinh viên tốt nghiệp ngành khoa học máy tính, người đồng dẫn dắt nghiên cứu cho biết. Máy vi tính có thể tốt hơn nhiều so với chúng ta trong việc tìm ra khi nào nên khám phá – thử các cách tiếp cận mới và khác biệt – và khi nào khai thác, hoặc không tham gia vào những phương pháp hứa hẹn nhất.

Nhóm nghiên cứu đã sử dụng sức mạnh này để tạo lợi thế cho họ theo hai cách chính. Đầu tiên, họ đã sử dụng nó để giảm thời gian cho mỗi thí nghiệm đạp xe. Trong một nghiên cứu trước đây, các nhà nghiên cứu đã phát hiện ra rằng thay vì sạc và sạc lại mọi pin cho đến khi hỏng – cách thông thường để kiểm tra tuổi thọ của pin, họ có thể dự đoán pin sẽ tồn tại bao lâu chỉ sau 100 chu kỳ sạc đầu tiên. Điều này là do hệ thống máy học, sau khi được đào tạo về một vài pin bị hỏng, có thể tìm thấy các mẫu trong dữ liệu ban đầu cho biết thời lượng của pin sẽ kéo dài bao lâu.

Thứ hai, học máy làm giảm số lượng phương pháp họ phải kiểm tra. Thay vì kiểm tra mọi phương thức sạc có thể như nhau, hoặc dựa vào trực giác, máy tính đã học hỏi từ kinh nghiệm của mình để nhanh chóng tìm ra các giao thức tốt nhất để kiểm tra.

Bằng cách thử nghiệm ít phương pháp hơn cho ít chu kỳ hơn, các tác giả của nghiên cứu đã nhanh chóng tìm thấy một giao thức sạc cực nhanh tối ưu cho pin của họ. Ngoài việc tăng tốc đáng kể quá trình thử nghiệm, giải pháp của máy tính cũng tốt hơn – và bất thường hơn nhiều – so với những gì một nhà khoa học về pin có thể đã nghĩ ra, Ermon nói.

Tiết kiệm cho chúng tôi giao thức sạc đơn giản đáng ngạc nhiên này – điều mà chúng tôi không mong đợi, đó là Er Ermon nói. Đây là sự khác biệt giữa con người và máy móc: Cỗ máy không bị thiên vị bởi trực giác của con người, nó mạnh mẽ nhưng đôi khi gây hiểu lầm.

Ứng dụng rộng hơn

Các nhà nghiên cứu cho biết phương pháp của họ có thể tăng tốc gần như mọi phần của đường ống phát triển pin: từ thiết kế hóa học của pin đến xác định kích thước và hình dạng của nó, để tìm ra các hệ thống tốt hơn cho sản xuất và lưu trữ. Điều này sẽ có ý nghĩa rộng lớn không chỉ đối với xe điện mà còn đối với các loại lưu trữ năng lượng khác, một yêu cầu chính để thực hiện chuyển đổi sang năng lượng gió và mặt trời trên quy mô toàn cầu.

Patrick Đây là một cách mới để phát triển pin, ông Patrick Herring, đồng tác giả của nghiên cứu và là nhà khoa học tại Viện nghiên cứu Toyota cho biết. Có dữ liệu mà bạn có thể chia sẻ giữa một số lượng lớn người trong học viện và ngành công nghiệp, và điều đó được phân tích tự động, cho phép đổi mới nhanh hơn nhiều.

Hệ thống thu thập dữ liệu và học máy của nghiên cứu sẽ được cung cấp cho các nhà khoa học pin trong tương lai sử dụng tự do, Herring nói thêm. Bằng cách sử dụng hệ thống này để tối ưu hóa các phần khác của quy trình với học máy, phát triển pin – và sự xuất hiện của các công nghệ mới hơn, tốt hơn – có thể tăng tốc theo một mức độ lớn hơn hoặc nhiều hơn, ông nói.

Tiềm năng của phương pháp nghiên cứu thậm chí còn vượt ra ngoài thế giới pin, Ermon nói. Các vấn đề kiểm tra dữ liệu lớn khác, từ phát triển thuốc đến tối ưu hóa hiệu suất của tia X và laser, cũng có thể được cách mạng hóa bằng cách sử dụng tối ưu hóa học máy. Và cuối cùng, ông nói, nó thậm chí có thể giúp tối ưu hóa một trong những quy trình cơ bản nhất của tất cả.

Hy vọng lớn hơn là giúp quá trình khám phá khoa học của chính mình, Er Ermon nói. Chúng tôi đang hỏi: Chúng ta có thể tự thiết kế các phương pháp này để đưa ra các giả thuyết tự động không? Họ có thể giúp chúng tôi trích xuất kiến ​​thức mà con người không thể? Khi chúng tôi có được các thuật toán tốt hơn và tốt hơn, chúng tôi hy vọng toàn bộ quá trình khám phá khoa học có thể tăng tốc mạnh mẽ.

Theo Scitechdaily