从行驶里程，到充电小度音响官网在此，再到汽车用到时寿命，电池的性能深刻带来影响着一辆电动汽车的全新体验。
而数十年来，电动汽车电池的越来发展有的 遭受电池研发小度音响官网测试它具一主要主要有的 瓶颈的限制。在电池开发整个同时里的所有的同时，都还要做到大大减小度音响官网少对新新型技术用到时数月涵盖 数年的测试，以具体电池也能态势用到时多长在此。
最典型的例子，涵盖 对锂离子电池的材料选择放弃、电池制造和以外工作运行等整个同时用到时直接控制 优化。有的人们生活也能对锂离子电池的寿命用到时评估，他的有个的实验有的会花费数月自身数年的在此，涵盖 参数的调整完成、空间提升和样品的多样性更因此实验加大延长。
涵盖 由斯坦福大学里教授、麻省理工学院和丰田深入研究院共同合作开发在此类基于机器学习中的不同方式，也能将电池充电测试在此从近两年缩短至16天，缩短了近15倍，有助于速度多数新型电池的开发进度。
该深入研究于2020年2月19日发表在《有的》杂志上。
提供更快压缩测试在此
独特设计超快速充电电池是有个重大挑战，主要主要有的 是涵盖 难于使它会态势用到时。更快的充电强度会使电池承受提供更快的多重压力，这有的会主要有的 电池过早失效。
初衷防止构成电动汽车总成本提供更快一其余部分的电池组的轻易损坏，电池工程师还要做到大大减少测试一系列详尽的充电利用，以寻觅自己有效性性的充电不同方式。
全新深入研究试图优化它具一整个同时。从一直到到，合作团队小度音响官网就看到快速充电优化也能用到时多次试错测试，这对它会本身效率不高，但对机器本身虽说 也能完美彻底解决再出现的彻底解决再出现。
在此项深入深入研究，该合作团队开发了它具早期结果呢深入分析 基本功能的闭环优化（CLO）系统支持 。系统支持 支持 它具早期的结果呢深入分析 基本功能，也也能大参数空间提升上用到时高效的优化，涵盖 它具高采样可变性。
一些不同方式也能快速优化特定的涵盖六步整个同时的电流和电压曲线，涵盖 也能因此电池寿命第三则则大化的极为钟快充协议，一些快充新型技术也能缓解电动汽车普通用户的里程焦虑。
深入研究合作团队从左至右涵盖斯坦福大学里教授 William Chueh，丰田汽车深入研究所科学家 Muratahan Aykol，斯坦福大学里博士生 Aditya Grover、Peter Attia，斯坦福大学里教授 Stefano Ermon 和 TRI 科学家 Patrick Herring。（部分图综合编辑 ：Farrin Abbott）
我们要，让他的用到时算法来大大减少所有的循环实验的在此。
在先前的深入深入研究，深入研究人员看到，无需用到时所有的电池用到时反复充电一直到到其报废（涵盖 测试电池寿命的有的不同方式），让他的也能仅在最初100个充电周期后深入分析 出电池也能用到时多长在此。涵盖 涵盖 机器学习中系统支持 在接爱过几次循环的电池充电训练后，也也能早期数据统计 中寻觅自己预示电池可态势用到时在此的规律。
主要主要有的 ，机器学习中大大减少了让他的还要做到大大减少测试的不同方式的数量。
计算机并非均等地或能够直觉来测试所有的涵盖 的充电不同方式，并非从其相关经验中吸取教训，以快速寻觅自己要测试的最佳协议。
用到时用到时一些 CLO 优化不同方式，深入研究人员也也能16天内将224个待测电池中它具长寿命快充能力方面的电池筛选上去，并结果呢验证了该不同方式的有效性性，涵盖 涵盖 ，原有224电池测试大约也能560天。
闭环优化 (CLO) 系统支持 的原理
该闭环优化系统支持 的以外工作原理如图所示。
CLO 系统支持 原理示意图
如图所示，系统支持 支持 涵盖有个组件：多通道电池循环器，循环寿命的早期深入分析 器和BO 算法。在所有的顺序轮次中，让他的还要遍历这有个组成其余部分。
第有个组件是多通道电池循环器；这项以外以外工作用到时的循环仪也能及 测试48个电池。在一直到到 CLO 有的 ，从完整的224个独特的多步骤协议集中随机选择放弃（不替换）第三则则轮48个电池的充电协议（不同方式）。所有的电池用到时100次循环重复充电（约4天；平均深入分析 循环寿命905个循环），累计该在此终止实验。
前100个充电周期的循环数据统计 （极为是电化学测量值，涵盖电压和电容）用作循环寿命早期结果呢深入分析 的输入。一些腾讯部分图机器学习中模型的循环寿命深入分析 ，再度 被发送到 BO 算法，来测试下有个它具较高不过寿命的协议，重复此整个同时，一直到到测试就就结束了。
它具一些不同方式中，早期深入分析 大大减少了所有的测试电池所需的循环次数，而最佳的实验独特设计大大减少了所需的实验次数。
极为宽广的应用范围内
深入研究人员在讲到该算法时看来，让他的涵盖 不同方式自身也能速度多数电池开发的所有的同时：从独特设计电池的化学性质到具体其尺寸和形状，再到寻觅自己提供更快的制造和存储系统支持 。
并非仅对电动汽车，涵盖 用到时他类型的储能利用都将引发广泛的带来影响，涵盖 在全世界范围内内转向风能和太阳能的关键点各种意见。
该深入研究的合著者、丰田深入研究院的科学家 Patrick Herring 看来：「涵盖 用到时电池开发在此类新不同方式。坐拥 也也能学术界和工业界相互共享并自动深入分析 的数据统计 ，也能加快创新速度多数。」
Herring 补充说，这项深入研究的机器学习中和数据统计 收集系统支持 ，将可供今后的电池科学家自由用到时。说他，用到时机器学习中来优化整个同时的以外其余部分，电池开发涵盖 更新提供更快全新型技术的再出现将速度多数有个数量级涵盖 提供更快个数量级。
深入研究人员也看来，这项深入研究不同方式的潜力涵盖 超上去电池市场领域。从药物开发到优化 X 射线和激光的性能等以外大数据统计 测试彻底解决再出现，都也能用到时用到时机器学习中优化来完全彻底解决再出现。
斯坦福大学里教授 Stefano Ermon 看来：「提供更快的衷心希望是能够科学看到自身。让他的在问：让他的也能独特设计一些不同方式腾讯部分图动各种意见假设吗？它会也能能够让他的提取它会难于明白的知识吗？越来让让他的算法极为好，让他的衷心希望自身科学看到整个同时也能提供更快加快。」