劃重點
01人工智能在電池安全領域取得重大突破，亞利桑那大學研究團隊將機器學習與熱傳感器相結合，有效預測和識別電池熱失控事件。
02該團隊開發(fā)的系統(tǒng)可以實時監(jiān)控和早期干預，降低電動汽車發(fā)生災難性故障的可能性。
03除此之外，AI技術還在幫助科技公司快速找出動力電池中的缺陷，提高質量檢查速度。
04同時，AI模型可通過繪制分子圖來發(fā)現(xiàn)下一代材料，有望提高電池壽命和性能。
05盡管如此，電池制造仍被認為是藝術而非科學，AI在電池領域的應用潛力仍需數(shù)年時間才能實現(xiàn)。
以上內容由騰訊混元大模型生成，僅供參考
撰文/ 涂彥平
編輯/ 黃大路
設計/ 師 超
來源/ Automotive News，springwise
誰也沒有想到，AI會成為2024年諾貝爾獎的最大贏家，物理獎和化學獎兩大獎項都與人工智能研究有關。
很多人第一次知道，機器學習的模型是基于物理方程的，而人工智能被用來研究蛋白質的結構。
不知不覺，我們已經(jīng)步入AI時代。
隨著電動汽車在世界各地越來越受歡迎，人們對電池安全性的擔憂比以往任何時候都更加緊迫。當AI與電池結合起來，又會有怎樣的圖景？
預防熱失控動力電池安全性的一個關鍵問題是熱失控，它是由不可預測的溫度飆升引發(fā)的，可能導致鋰離子電池發(fā)生災難性火災甚至爆炸。
亞利桑那大學（the University of Arizona）的新研究提供了一種新穎的解決方案來解決這個問題，將機器學習與熱傳感器相結合。
首席研究員、博士生巴薩布蘭詹達斯戈斯瓦米（Basab Ranjan Das Goswami）和項目首席研究員維塔利尤爾基夫（Vitaliy Yurkiv）教授開發(fā)了一種系統(tǒng)，可以感知、預測和識別電動汽車電池內的熱失控事件。
熱傳感器被包裹在單個電芯上（多達1000個電芯緊密地擠在一起組成一個完整的電池），這些傳感器被輸入到根據(jù)歷史數(shù)據(jù)訓練的機器學習算法中。
該算法通過分析模式來預測未來的過熱事件，并對潛在故障發(fā)出預警。戈斯瓦米在接受Springwise采訪時解釋說：“這種方法可以實現(xiàn)實時監(jiān)控和早期干預，降低電動汽車發(fā)生災難性故障的可能性。”
戈斯瓦米和尤爾基夫教授使用的方法有別于傳統(tǒng)方法，因為他們創(chuàng)新性地將AI和多物理場模型與輕型傳感器結合在一起。這比使用笨重的熱成像技術更具成本效益，而且可以集成到現(xiàn)有的電池管理系統(tǒng)中，實時準確地預測溫度峰值。
正如戈斯瓦米總結的那樣，“這種學科融合使我們能夠從被動的安全措施轉變?yōu)橹鲃拥念A防措施。”
該團隊從美國國防部的“國防激勵競爭研究計劃”獲得了599808美元的資助。他們還在探索與汽車制造商合作，將這項技術投入商業(yè)應用。
找出電池缺陷很多科技公司都急于找出動力電池中可能導致火災和其他問題的缺陷，AI正在幫助他們做到這一點。
他們正在訓練AI模型來快速評估電池中哪些是正常的，哪些是不正常的。自動化工具大大加快了質量檢查速度。
PDF Solutions電池解決方案總監(jiān)Peter Kostka于10月10日在底特律電池展上表示：“AI的關鍵在于可擴展性：部署得越多，效果就越好。”
PDF Solutions教它的AI模型來理解電池結構。
“如果我們的模型了解到，‘嘿，這些是我通常應該看到的東西’……那么相同的模型就可以應用于不同的生產(chǎn)線，并且我們可以獲得可擴展性。”他說。
UnitX還使用AI來改進缺陷識別過程。其3D技術可以高速識別細微的異常情況。首席執(zhí)行官Keven Wang在電池展上表示，它還可以檢測比2D視覺更深的深度。
在UnitX案例研究中，人類操作員每5分鐘掃描一個電池，而AI工具每3.5秒掃描一個。Wang說，根據(jù)該案例研究，工廠可以通過使用AI工具重新分配三名人工檢查員。
他說：“它需要看到以前看到過的缺陷，但你會驚訝于它有多好以及教學所需的樣本如此之少。”
加速開發(fā)速度AI軟件提供商Monolith的首席執(zhí)行官理查德阿爾菲爾德(Richard Ahlfeld)表示，電池公司多年來一直在使用機器學習，但大部分電池行業(yè)尚未接受AI。他說，這項技術可以將電池測試時間縮短一半。
“電動汽車競賽已經(jīng)變得更加激烈。”他說，“人們現(xiàn)在會想，‘好吧，我們還能做些什么來加快速度呢？’而且這是一個已經(jīng)被證明可以大大加快開發(fā)速度的工具。”
Monolith的AI軟件幫助Jota Sport賽車工程師優(yōu)化和驗證賽道測試和模擬數(shù)據(jù)
蔚來歐洲公司在9月表示，將使用Monolith的技術構建一個聯(lián)合機器學習模型，用于將當前的車輛現(xiàn)場數(shù)據(jù)與基準測試數(shù)據(jù)進行比較。它還將減少電池數(shù)據(jù)清理、重新采樣、分析和檢測異常的時間。
發(fā)現(xiàn)下一代材料很多公司開始使用AI通過車輛的電池管理系統(tǒng)來預測和優(yōu)化電池健康狀況；通過ChatGPT進行清理、分類和重組；并繪制分子圖以發(fā)現(xiàn)下一代材料。
阿爾菲爾德表示，了解健康狀況可以幫助駕駛員優(yōu)化充電，并有可能將電池壽命延長10%至20%。
SES AI首席執(zhí)行官胡啟朝表示，SES AI正在開發(fā)AI模型，以繪制比人類能夠繪制的更多的分子圖。他說，這些模型可以變得和頂級化學家一樣聰明，甚至更聰明。
SES AI相信這些分子圖將加速材料的發(fā)現(xiàn)，從而解決電動汽車、電子產(chǎn)品、電網(wǎng)存儲和其他應用中的任何電池問題。
但人類科學家是使數(shù)據(jù)庫發(fā)揮作用的關鍵。
“人類科學家仍然需要合成模型、使用和實際測試電池。所以這幾乎就像是由模型來創(chuàng)造想法，但想法的驗證仍然由人類來完成。”他說。
AI的未來？麥肯錫公司未來出行研究中心汽車和裝配業(yè)務合伙人帕特里克赫茨克（Patrick Hertzke）表示，化學材料的進步是AI在電池領域最令人興奮的潛力所在。
他說，許多公司正在進行增量測試以改進電池。
“這就像制造疫苗或制造藥物一樣。這并不容易，也不是線性的。”赫茨克說。但基于制藥領域的突破，“你同樣應該對電池領域化學改進的潛力感到非常興奮。”
電池技術公司表示，這種潛力可能還需要數(shù)年時間。
“電池制造與其說是一門科學，不如說是一門藝術。”BattGenie公司首席執(zhí)行官馬南帕塔克（Manan Pathak）在電池展上說，“要想擁有端到端的制造工藝，制造出真正好的、可重復的、錯誤率極低的電池，是非常困難的。”
Wang說，即使要捕捉缺陷，AI模型也需要人工培訓。
“AI是另一種形式的算法。”Wang說，“它不是靈丹妙藥。它不是魔法。它能很好地預測事物。”
