撰文 / 涂彥平

編輯 / 黃大路

設(shè)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(guān)。

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(zhì)的結(jié)構(gòu)。

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(jié)合起來，又會有怎樣的圖景？

預(yù)防熱失控

動力電池安全性的一個關(guān)鍵問題是熱失控，它是由不可預(yù)測的溫度飆升引發(fā)的，可能導致鋰離子電池發(fā)生災(zāi)難性火災(zāi)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(jié)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(yù)測和識別電動汽車電池內(nèi)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(yù)測未來的過熱事件，并對潛在故障發(fā)出預(yù)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(yù)，降低電動汽車發(fā)生災(zāi)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(jié)合在一起。這比使用笨重的熱成像技術(shù)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(yù)測溫度峰值。

正如戈斯瓦米總結(jié)的那樣，“這種學科融合使我們能夠從被動的安全措施轉(zhuǎn)變?yōu)橹鲃拥念A(yù)防措施?！?/p>

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(shù)投入商業(yè)應(yīng)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(zāi)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(zhì)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(guān)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(jié)構(gòu)。

“如果我們的模型了解到，‘嘿，這些是我通常應(yīng)該看到的東西’……那么相同的模型就可以應(yīng)用于不同的生產(chǎn)線，并且我們可以獲得可擴展性?！彼f。

UnitX還使用AI來改進缺陷識別過程。其3D技術(shù)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?！?/p>

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(shù)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?！彼f，“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?！?/p>

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(shù)構(gòu)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(yù)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(yīng)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(guān)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?！彼f。

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(wù)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(lǐng)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?！焙沾目苏f。但基于制藥領(lǐng)域的突破，“你同樣應(yīng)該對電池領(lǐng)域化學改進的潛力感到非常興奮?！?/p>

電池技術(shù)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(shù)。”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(fù)的、錯誤率極低的電池，是非常困難的?！?/p>

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(yù)測事物?！?/p>