Các nhà nghiên cứu hiện có thể dự đoán thời lượng pin bằng máy học

Các nhà nghiên cứu hiện có thể dự đoán thời lượng pin bằng máy học

    [Vui lòng đăng ký trang Youtube của Pacific Group tại

    https://www.youtube.com/channel/UCAxje1GxiUpZD6MEcR0f5Jg/videos

    Chúng tôi có các buổi chia sẻ về kinh doanh thực tế hàng tuần]

    Các nhà nghiên cứu hiện có thể dự đoán thời lượng pin bằng máy học

    Các nhà nghiên cứu của Argonne đã sử dụng các mô hình học máy để đưa ra dự đoán về tuổi thọ của chu kỳ pin cho nhiều loại hóa chất khác nhau. Ảnh: Shutterstock / Sealstep

    Researchers now able to predict battery lifetimes with machine learning
    Hãy tưởng tượng một nhà ngoại cảm nói với cha mẹ bạn, vào ngày bạn được sinh ra, bạn sẽ sống được bao lâu. Một trải nghiệm tương tự cũng có thể xảy ra đối với các nhà hóa học pin đang sử dụng các mô hình tính toán mới để tính toán tuổi thọ của pin dựa trên dữ liệu thí nghiệm ít nhất là một chu kỳ duy nhất.

    Trong một nghiên cứu mới, các nhà nghiên cứu tại Phòng thí nghiệm Quốc gia Argonne của Bộ Năng lượng Hoa Kỳ (DOE) đã sử dụng sức mạnh của máy học để dự đoán tuổi thọ của một loạt các hóa chất pin khác nhau. Bằng cách sử dụng dữ liệu thí nghiệm thu thập được tại Argonne từ một bộ 300 pin đại diện cho sáu loại pin khác nhau, các nhà khoa học có thể xác định chính xác thời gian quay vòng của các loại pin khác nhau.

    Trong thuật toán học máy, các nhà khoa học đào tạo một chương trình máy tính để đưa ra suy luận về một tập dữ liệu ban đầu, sau đó lấy những gì nó đã học được từ khóa đào tạo đó để đưa ra quyết định về một tập dữ liệu khác.

    Nhà khoa học tính toán tại Argonne, Noah Paulson, tác giả của nghiên cứu, cho biết: “Đối với mọi loại ứng dụng pin khác nhau, từ điện thoại di động đến xe điện đến lưu trữ điện lưới, tuổi thọ của pin có tầm quan trọng cơ bản đối với mọi người tiêu dùng”. "Việc phải quay vòng một pin hàng nghìn lần cho đến khi nó hỏng có thể mất nhiều năm; phương pháp của chúng tôi tạo ra một loại nhà bếp thử nghiệm tính toán, nơi chúng tôi có thể nhanh chóng thiết lập cách hoạt động của các loại pin khác nhau."

    Nhà điện hóa Argonne Susan "Sue" Babinec, một tác giả khác của nghiên cứu, cho biết: "Hiện tại, cách duy nhất để đánh giá dung lượng pin giảm dần là thực sự quay vòng pin". "Nó rất tốn kém và mất nhiều thời gian."

    Theo Paulson, quá trình thiết lập tuổi thọ của pin có thể rất phức tạp. Ông nói: “Thực tế là pin không tồn tại mãi mãi, và thời gian sử dụng của chúng phụ thuộc vào cách chúng ta sử dụng chúng, cũng như thiết kế và hóa học của chúng. "Cho đến nay, thực sự không có cách nào tuyệt vời để biết pin sẽ sử dụng được trong bao lâu. Mọi người sẽ muốn biết họ dùng được bao lâu cho đến khi họ phải chi tiền cho một viên pin mới."

    Một khía cạnh độc đáo của nghiên cứu là nó dựa trên các nghiên cứu thử nghiệm rộng rãi được thực hiện tại Argonne trên nhiều loại vật liệu cực âm của pin, đặc biệt là cực âm dựa trên niken-mangan-coban (NMC) đã được cấp bằng sáng chế của Argonne. Paulson cho biết: “Chúng tôi đã có những loại pin đại diện cho các ngành hóa học khác nhau, có những cách khác nhau mà chúng sẽ xuống cấp và hỏng hóc. "Giá trị của nghiên cứu này là nó đã cho chúng tôi những tín hiệu đặc trưng về cách các loại pin khác nhau hoạt động."

    Paulson nói, nghiên cứu sâu hơn về lĩnh vực này có tiềm năng định hướng cho tương lai của pin lithium-ion. "Một trong những điều chúng tôi có thể làm là đào tạo thuật toán về một hóa học đã biết và để nó đưa ra dự đoán về một hóa học chưa biết," ông nói. "Về cơ bản, thuật toán có thể giúp đưa chúng ta đi theo hướng của các công nghệ hóa học mới và cải tiến cung cấp thời gian tồn tại lâu hơn."

    Theo cách này, Paulson tin rằng thuật toán máy học có thể đẩy nhanh quá trình phát triển và thử nghiệm vật liệu pin. "Giả sử bạn có một vật liệu mới và bạn quay vòng nó một vài lần. Bạn có thể sử dụng thuật toán của chúng tôi để dự đoán tuổi thọ của nó và sau đó đưa ra quyết định xem bạn có muốn tiếp tục quay vòng thử nghiệm hay không."

    “Nếu bạn là nhà nghiên cứu trong phòng thí nghiệm, bạn có thể khám phá và thử nghiệm nhiều vật liệu khác trong thời gian ngắn hơn vì bạn có cách đánh giá chúng nhanh hơn”, Babinec nói thêm.

    Một bài báo dựa trên nghiên cứu, "Kỹ thuật tính năng cho máy học cho phép dự đoán sớm thời lượng pin", đã xuất hiện trong ấn bản trực tuyến ngày 25 tháng 2 của Tạp chí Nguồn điện.

    Zalo
    Hotline