Se os fabricantes de baterias de telefones celulares pudessem dizer quais células vão durar pelo menos dois anos, então, eles poderiam vender apenas aqueles para fabricantes de telefones e enviar o restante para fabricantes de dispositivos menos exigentes. Uma nova pesquisa mostra como os fabricantes podem fazer isso. A técnica poderia ser usada não apenas para classificar as células fabricadas, mas também para ajudar os novos projetos de baterias a chegarem ao mercado mais rapidamente.

A combinação de dados experimentais abrangentes e inteligência artificial revelou a chave para prever com precisão a vida útil das baterias de íon-lítio antes que suas capacidades comecem a diminuir, cientistas da Universidade de Stanford, o Instituto de Tecnologia de Massachusetts e o Instituto de Pesquisa Toyota descobriram. Depois que os pesquisadores treinaram seu modelo de aprendizado de máquina com algumas centenas de milhões de pontos de dados de baterias carregando e descarregando, o algoritmo previu quantos ciclos a mais cada bateria duraria, com base em quedas de tensão e alguns outros fatores entre os primeiros ciclos.

As previsões estavam dentro de 9 por cento do número de ciclos que as células realmente duraram. Separadamente, o algoritmo categorizou as baterias como expectativa de vida longa ou curta com base apenas nos primeiros cinco ciclos de carga / descarga. Aqui, as previsões estavam corretas 95 por cento das vezes.

Publicado em 25 de março em Nature Energy , este método de aprendizado de máquina pode acelerar a pesquisa e o desenvolvimento de novos designs de bateria e reduzir o tempo e o custo de produção, entre outras aplicações. Os pesquisadores disponibilizaram o conjunto de dados - o maior de seu tipo - ao público.

"A maneira padrão de testar novos designs de bateria é carregar e descarregar as células até que falhem. Como as baterias têm uma longa vida útil, este processo pode levar muitos meses e até anos, "disse o co-autor principal Peter Attia, Candidato ao doutorado de Stanford em ciência e engenharia de materiais. "É um gargalo caro na pesquisa de baterias."

O trabalho foi realizado no Centro de Design baseado em dados de baterias, uma colaboração acadêmico-industrial que integra teoria, experimentos e ciência de dados. Os pesquisadores de Stanford, liderado por William Chueh, professor assistente em ciência e engenharia de materiais, conduziu os experimentos de bateria. Equipe do MIT, liderado por Richard Braatz, professor de engenharia química, executou o trabalho de aprendizado de máquina. Kristen Severson, co-autor principal da pesquisa, completou seu doutorado em engenharia química no MIT na primavera passada.

Otimizando o carregamento rápido

Um dos focos do projeto era encontrar uma maneira melhor de carregar baterias em 10 minutos, um recurso que pode acelerar a adoção em massa de veículos elétricos. Para gerar o conjunto de dados de treinamento, a equipe carregava e descarregava as baterias até que cada uma chegasse ao fim de sua vida útil, que eles definiram como perda de capacidade de 20 por cento. A caminho de otimizar o carregamento rápido, os pesquisadores queriam descobrir se era necessário colocar suas baterias no solo. A resposta a uma pergunta sobre a bateria pode ser encontrada apenas nas informações dos primeiros ciclos?

"Os avanços no poder computacional e na geração de dados permitiram recentemente que o aprendizado de máquina acelere o progresso de uma variedade de tarefas. Isso inclui a previsão de propriedades do material, Braatz disse. "Nossos resultados aqui mostram como podemos prever o comportamento de sistemas complexos em um futuro distante."

Geralmente, a capacidade de uma bateria de íon de lítio é estável por um tempo. Em seguida, faz uma curva acentuada para baixo. O ponto de queda varia amplamente, como a maioria dos consumidores do século 21 sabe. Neste projeto, as baterias duraram de 150 a 2, 300 ciclos. Essa variação foi em parte o resultado de testes diferentes métodos de carregamento rápido, mas também devido à variabilidade de fabricação entre as baterias.

"Por todo o tempo e dinheiro gastos no desenvolvimento da bateria, o progresso ainda é medido em décadas, "disse o co-autor do estudo, Patrick Herring, um cientista do Toyota Research Institute. "Nesse trabalho, estamos reduzindo uma das etapas mais demoradas - teste de bateria - em uma ordem de magnitude. "

Possíveis usos

O novo método tem muitas aplicações potenciais, Attia disse. Por exemplo, pode encurtar o tempo de validação de novos tipos de baterias, o que é especialmente importante devido aos rápidos avanços nos materiais. Com a técnica de classificação, Baterias de veículos elétricos com vida útil curta - curtas demais para carros - poderiam ser usadas para alimentar luzes de rua ou fazer backup de data centers. Os recicladores podem encontrar células de baterias EV usadas com capacidade suficiente para uma segunda vida.

Outra possibilidade é otimizar a fabricação de baterias. “A última etapa na fabricação de baterias é chamada de 'formação, 'que pode levar dias a semanas, "Attia disse." Usar nossa abordagem poderia encurtar isso significativamente e diminuir o custo de produção. "

Os pesquisadores agora estão usando seu modelo para otimizar formas de carregar baterias em apenas 10 minutos, que, segundo eles, reduzirá o processo em mais de um fator de 10.