Zespół naukowców z Idaho National Laboratory wykorzystuje uczenie maszynowe, aby skrócić czas ładowania pojazdów elektrycznych bez uszkadzania akumulatora. Sztuczna inteligencja może rozwiązać problem, który powstrzymuje potencjalnie zainteresowanych przed kupnem auta elektrycznego.
Ładowanie akumulatorów litowo-jonowych zależnie od stacji ładowania może zająć nawet cały dzień. Kierowcy chcą jak najszybciej włączyć zasilanie, aby wrócić na drogę, ale przy obecnej technologii przyspieszenie procesu ładowania powoduje szereg wyzwań i może doprowadzić do uszkodzenia akumulatorów.
Akumulatory można ładować szybciej, przyspieszając migrację jonów litu z katody do anody. W ten sposób jednak gromadzi się lit metaliczny, powodując przedwczesną awarię baterii. Może również powodować zużycie i pękanie katody. Wszystkie te problemy skracają żywotność akumulatora i zmniejszają efektywny zasięg pojazdu.
Jednym z rozwiązań jest dostosowanie protokołu ładowania, aby zoptymalizować jego czas, jednocześnie unikając uszkodzenia różnych typów konstrukcji akumulatorów. Opracowanie optymalnych protokołów wymaga ogromnych danych na temat wpływu różnych metod na żywotność, wydajność i bezpieczeństwo tych urządzeń. Tu wkracza sztuczna inteligencja.
Informacjami o stanie akumulatorów litowo-jonowych podczas ich cykli ładowania i rozładowywania, naukowcy wytrenowali model uczenia maszynowego
Zespół następnie wprowadził te dane do analizy, aby zidentyfikować i zoptymalizować nowe protokoły, które testują na rzeczywistych bateriach. Sztuczna inteligencja i uczenie maszynowe mogą pomóc w opracowaniu jeszcze lepszych metod i projektowania nowych akumulatorów litowo-jonowych zoptymalizowanych pod kątem szybkiego ładowania.
Czytaj też: Ten proszek może sprawić, że baterie sodowo-jonowe staną się naszą przyszłością
Ostatecznie dąży się do tego, aby pojazdy elektryczne były w stanie wysyłać dane do stacji ładowania, jak szybko i bezpiecznie zasilać określone akumulatory.
