機器學習突破鋰電池研發瓶頸，開發時間縮短 98%

科學家們最近開發出一種機器學習方法，可能會顯著降低鋰離子電池的開發成本和所需能量。根據今年 2 月 8 日發表在《自然》期刊的研究，這種新方法能將電池開發時間縮短 98%，成本降低 95%。這一突破針對了電池行業中的一個關鍵瓶頸：傳統測試需要不斷充放電原型，直到其失效，這個過程可能需要數月甚至數年，並消耗大量電力。

根據一項研究，若不改變開發流程，從2023年到2040年，鋰電池設計可能需要130,000 GWh的能量，這大約是加州年發電量的一半。這種低效率的開發方式減緩了在電動車、可再生能源儲存和消費電子產品等關鍵行業的創新。

密西根大學的博士後研究員Jiawei Zhang及其團隊開發了所謂的「發現學習框架」。這個方法基於2019年的早期研究，該研究顯示機器學習模型可以利用早期測試數據預測電池壽命，誤差率低於15%，被認為是高度準確的。

▲ 密西根大學開發的發現學習框架工作原理示意圖。（Source：密西根大學，下同）

這個系統的關鍵創新在於，它使用預測的電池壽命自我更新，而不需要昂貴且耗時的全壽命測試。這個迭代過程大幅減少了進行準確預測所需的實驗數據量。

▲  此圖展示了傳統電池設計中原型製作和測試的工作流程。

康乃爾大學副教授Chao Hu表示，此方法是「一個關鍵的新穎性」，顯示出「在電池開發中解決關鍵瓶頸的巨大潛力」。然而，Hu也指出一個重要的限制：當新電池設計與用於訓練數據的現有設計有顯著偏差時，該框架的表現仍不明確。

這項進展反映了人工智慧在電池技術中的更廣泛趨勢，從材料發現到優化性能和安全性的電池管理系統。隨著全球電池市場的價值從目前的1,200億美元預計在2030年增長至近5,000億美元，即使是開發成本的微小節省也可能帶來顯著影響。

• Machine learning could yield faster, cheaper lithium-ion battery development

（首圖來源：shutterstock）