剑桥大学利用机器学习来制造更好的电动汽车电池

使用机器学习来准确预测和改善电池的健康状况和寿命，将使制造商能够将此软件直接嵌入其电池设备中，并改善为消费者提供的使用寿命服务。

剑桥大学，A * Star大学和南洋理工大学之间的合作研究表明，机器学习是建模电池技术的一种准确方法。

在接下来的十年中，随着许多汽车制造商转向以电子为先的商业模式，必须使用持久耐用的电池来快速充电。世界各地的研究人员都在尝试改善锂离子，有些人将目光投向了固态电池。

机器学习算法
由Intellegens建造，Intellegens是剑桥大学Cavendish的分拆公司
实验室。它使用深度神经网络从现有信息中提取信息
过程，已用于材料科学和医疗保健。

“
这篇评测文章可能会对电池行业产生变革性的影响。
强调机器学习如何准确预测和改善健康状况
电池的使用寿命将使制造商能够直接嵌入该软件
装入电池设备并改善为消费者提供的生活服务，”
Intellegens的联合创始人Gareth Conduit博士说。

电池技术的研究和测试可能需要数年时间，因为要测试几个关键参数。电压，温度和变化状态都是可能导致故障的变量。使用机器学习算法，可以将测试周期缩短到几周。

“我们的机器学习技术Alchemite可以在稀疏和嘈杂的数据中心化看到输入和输出中所有可用参数之间的关联，” Conduit补充说。

“结果是可以预测缺失值，发现错误并优化目标属性的精确模型。 Alchemite能够处理低至0.05％的完整数据，可以解决传统机器学习方法无法解决的数据问题。”

这不是学者们首次尝试使用人工智能来制造更好的电池。麻省理工学院和阿贡国家实验室都在2019年发表了类似的研究。