機器學(xué)習(xí)助電動汽車電池發(fā)展加速
更智能的電池測試方法
設(shè)計超高速充電電池是一個主要的挑戰(zhàn)，主要是因為它很難持久�？焖俪潆姷膹姸葧o電池帶來更大的壓力，這通常會導(dǎo)致電池過早失效。電池組的成本占電動汽車總成本的很大一部分，為了防止電池組受損，電池工程師必須測試一系列詳盡的充電方法，以找到最有效的充電方法。
新的研究試圖優(yōu)化這一過程。在一開始，團隊就發(fā)現(xiàn)快速充電的優(yōu)化意味著要進(jìn)行很多的反復(fù)試驗——這對人類來說是低效的，但對機器來說是毫無問題的。
“機器學(xué)習(xí)是一種反復(fù)嘗試的過程，但它們更聰明，”參與領(lǐng)導(dǎo)這項研究的計算機科學(xué)研究生阿蒂亞格羅弗說�！霸诤螘r探索——嘗試新的和不同的方法——以及何時開發(fā)(或瞄準(zhǔn))最有前途的方法方面，計算機比我們做得好得多�！�
該團隊在兩個關(guān)鍵方面采用了機器學(xué)習(xí)。首先，他們用機器學(xué)習(xí)來減少每次循環(huán)實驗的時間。在之前的一項研究中，研究人員發(fā)現(xiàn)，他們可以預(yù)測電池在第一次充電100次后的續(xù)航時間。這是因為機器學(xué)習(xí)系統(tǒng)在接受了幾次電池循環(huán)失靈的訓(xùn)練后，可以從早期數(shù)據(jù)中發(fā)現(xiàn)預(yù)測電池壽命的模式。
第二，機器學(xué)習(xí)減少了他們必須測試的方法的數(shù)量。計算機從以往的經(jīng)驗中吸取教訓(xùn)，迅速找到最佳的協(xié)議進(jìn)行測試，而不是對每一種可能的充電方法都進(jìn)行同等的測試，或者依靠直覺。
通過在更少的周期內(nèi)測試更少的方法，研究團隊很快找到了一種最優(yōu)的超高速充電方案。埃爾蒙說，除了顯著加快測試過程之外，這臺計算機的解決方案也比電池科學(xué)家可能設(shè)計出的方案更好，而且更不尋常。
埃爾蒙說:“它給我們帶來了一種意想不到的簡單充電協(xié)議�！痹撍惴ǖ慕鉀Q方案不是在充電開始時以最高電流充電，而是在充電過程中使用最高電流�！斑@就是人與機器的區(qū)別:機器不受人類直覺的影響，雖然人類直覺是強大的，但有時會誤導(dǎo)人�！�
分享
請輸入評論內(nèi)容...
請輸入評論/評論長度6~500個字
最新活動更多
推薦專題
- 1 AI 眼鏡讓百萬 APP「集體失業(yè)」？
- 2 大廠紛紛入局，百度、阿里、字節(jié)搶奪Agent話語權(quán)
- 3 深度報告｜中國AI產(chǎn)業(yè)正在崛起成全球力量，市場潛力和關(guān)鍵挑戰(zhàn)有哪些？
- 4 上海跑出80億超級獨角獸：獲上市公司戰(zhàn)投，干人形機器人
- 5 國家數(shù)據(jù)局局長劉烈宏調(diào)研格創(chuàng)東智
- 6 一文看懂視覺語言動作模型（VLA）及其應(yīng)用
- 7 下一代入口之戰(zhàn)：大廠為何紛紛押注智能體？
- 8 百億AI芯片訂單，瘋狂傾銷中東？
- 9 Robotaxi新消息密集釋放，量產(chǎn)元年誰在領(lǐng)跑？
- 10 格斗大賽出圈！人形機器人致命短板曝光：頭腦過于簡單
