バッテリー研究に対する革新的な AI アプローチ
ミシガン大学の技術者らは、従来の方法よりも大幅に早くリチウムイオン（Li-ion）電池の寿命を予測できる新しい人工知能（AI）ツールを開発した。この AI ツールは、以前の研究のデータを使用して、標準の数千回ではなく、わずか約 50 回の充放電サイクル後の新しいバッテリーコンセプトの耐久性を予測できます。これにより、研究者は数か月、場合によっては数年に及ぶ研究作業を節約できるだけでなく、プロトタイプのテストに必要な電力消費も削減できます。
開発者らは、新しいバッテリー設計の寿命を予測することで、現在のテスト方法と比較して最大 95% の電力と 98% の時間を節約できると推定しています。
AIの研究方法とメリット
「過去のバッテリー設計を研究することで、物理原理を利用して初期のテストと寿命の間の一般化された関係を確立します。これにより、実験の労力を最小限に抑え、新しいバッテリー設計の高精度の予測を達成することができます」とミシガン大学電気コンピュータ工学科の科学者であり、この研究の筆頭著者である Jiu Song 氏は説明します。
この研究は、カリフォルニア州の電池製造会社、Farasis Energy US の支援を受けました。同社は、モデルの有効性を評価するために、バッテリーのサンプルと設計/テストデータも提供しました。興味深いことに、モデルは無料で利用できる公開データのみでトレーニングされました。
このモデルは、「発見による学習」または「実践による学習」として知られる教育的アプローチに基づいています。このアプローチは、モデルがタスクとリソースを受け取り、経験と取得した知識に基づいてソリューションを独自に検索することを前提としています。多くのタスクを正常に解決した後、モデルは追加のリソースがなくても同様のタスクを解決できます。
「ディスカバリーラーニングは、科学や工学の他の分野にも応用できる一般的な機械学習技術です」と、この研究の筆頭著者である Jiawei Zhang 氏は強調します。
AIシステムの仕組み
MI システムは、その設計と、温度やアンペア数などの周期的な動作条件に基づいてバッテリー寿命を予測します。システムは知識のギャップを埋めるためにバッテリーのバリエーションを選択し、それらを約 50 サイクルテストします。実験の結果は、履歴データにアクセスし、物理バッテリー シミュレーターを使用して計算を実行する「インタープリター」に供給されます。これらのデータと計算に基づいて、システムは実験用バッテリーの寿命を予測します。さらなる学習モデルは、新しい情報と以前の予測を組み合わせて、新しいバッテリー設計の寿命を推定します。実験を行う過程でも、このシステムは時間とエネルギーを大幅に節約し、さらなる改善の可能性を秘めています。
次世代のリチウムイオン電池は化学、構造、材料の面で以前の電池とは異なるが、それらの間には最新の設計の性能を予測するのに役立つ類似点があると研究者らは述べている。 「インタプリタ」は、電流信号と電圧信号の単純な統計的特性を使用するのではなく、すべての設計の基礎となる物理的特性を使用して、異なるバッテリー間の共通点を強調します。 MI はこの情報を使用して、内部特性 (物理的および化学的特性) と動作条件の 2 つの側面からバッテリーを分析します。たとえば、高温では特定の化学プロセスによりバッテリーセルが劣化する可能性がありますが、低温ではこのメカニズムはそれほど顕著ではありません。
研究者らは、Farasis Energy からのデータとバッテリーサンプルを使用して AI モデルをテストしました。単三電池に似た円筒形セルのみを含むデータセットでトレーニングした後、モデルはより大きなセルの性能を予測することに成功しました。本格的なテストは最大数千サイクルに及び、数か月、場合によっては数年かかる場合がありますが、50 サイクルのテストには数日または数週間しかかかりません。これにより、必要なバッテリーとサイクルが減り、95% の電力が節約されました。
今後の展望とこれまでの実績
研究者らは、これと同じアプローチを使用して、安全性や充電速度などのパフォーマンスの他の側面を予測する予定です。以前、韓国の科学者はリチウムイオン電池の新しい劣化メカニズムを発見し、ヨーロッパの研究者は安全性と耐用年数を改善できる電池の状態を監視する革新的な技術を開発しました。
研究結果は雑誌に掲載されました 自然。
1770673312
#テクノロジーによりリチウムイオン電池の寿命予測が #倍高速化 #Lente.lv
2026-02-09 16:27:00