El MIT, la Universidad de Stanford y el TRI de Toyota usan IA para predecir la vida útil de las baterías

Los científicos del Instituto Tecnológico de Massachusetts (MIT), la Universidad de Stanford y el Instituto de Investigación Toyota (TRI) usan IA para predecir la vida útil de las baterías

Los investigadores descubren cómo predecir con precisión el ciclo de vida de las baterías de iones de litio utilizando datos de ciclo temprano y aprendizaje automático

Uno de los objetivos del proyecto fue encontrar una mejor manera de cargar las baterías en diez minutos, una característica que podría acelerar la adopción masiva de vehículos eléctricos. Para generar el conjunto de datos de entrenamiento, el equipo cargó y descargó las baterías hasta que cada una alcanzó el final de su vida útil, que definieron como una pérdida de capacidad del 20 por ciento

Después de que los investigadores entrenaron su modelo de aprendizaje automático con unos pocos cientos de millones de puntos de datos, el algoritmo predijo cuántos ciclos más duraría cada batería, según la disminución de voltaje y algunos otros factores entre los ciclos iniciales

Las predicciones estaban dentro del 9 por ciento de la vida del ciclo real. Por separado, el algoritmo clasificó las baterías como una expectativa de vida larga o corta basada solo en los primeros cinco ciclos de carga / descarga. Aquí, las predicciones fueron correctas el 95 por ciento de las veces

El MIT, la Universidad de Stanford y el TRI de Toyota usan IA para predecir la vida útil de las baterías

Este método de aprendizaje automático podría acelerar la investigación y el desarrollo de nuevos diseños de baterías y reducir el tiempo y el costo de producción, entre otras aplicaciones. Los investigadores han hecho que los datos , los más grandes de su tipo, estén disponibles públicamente.

Los coautores del estudio Muratahan Aykol y Patrick Herring llevaron la experiencia de TRI con big data al proyecto y su propia experiencia en el desarrollo de baterías para permitir una gestión eficaz y un flujo continuo de datos de la batería, lo cual fue esencial para esta colaboración para crear modelos precisos de aprendizaje automático para la predicción temprana de la falla de la batería

En general, la capacidad de una batería de iones de litio es estable por un tiempo. Luego toma un giro brusco hacia abajo. El punto de caída es muy variable. En este proyecto, las baterías duraron entre 150 y 2300 ciclos. Esa variación fue en parte el resultado de probar diferentes métodos de carga rápida, pero también debido a las diferencias normales que surgen en los dispositivos producidos comercialmente que dependen de las interfaces moleculares.


 Liderada por el director del programa, Brian Storey, la iniciativa de  35 millones de dólares colabora con entidades de investigación, universidades y empresas para utilizar la inteligencia artificial para acelerar el diseño y el descubrimiento de materiales avanzados Esta investigación es parte del programa de Descubrimiento y Diseño de Materiales Acelerados (AMDD) del TRI de Toyota