科学家们创建了一种模型,可以通过对电池性能数据利用机器学习技术来预测高能量密度锂金属电池的使用寿命。该模型通过检查电池的充电、放电和电压松弛数据,成功预测了电池的长寿命,且不需要对特定的降解过程做出任何假设。这种方法有望提高依赖锂金属电池的设备的安全性和可靠性。
NIMS和软银公司合作开发了一种模型,可以通过对电池性能数据应用机器学习技术来预测高能量密度锂金属电池的使用寿命。该模型展示了通过分析电池的充电、放电和电压松弛数据,准确估计电池长寿命的能力,而无需假设任何特定的降解机制。这种方法预计将显著提高使用锂金属电池的设备的安全性和可靠性。
锂金属电池相较于目前可用的锂离子电池,具有提供更高能量密度的潜力。因此,对于其在各种技术中的应用,如无人机、电动车和家用能源储存系统,人们寄予厚望。2018年,NIMS和软银公司启动了NIMS-软银先进技术开发中心。自那时以来,他们在高能量密度可充电电池的研究上进行了合作,涉及移动电话基站、物联网设备和高空平台站(HAPS)等多种应用。
此前,有报道称一种锂金属电池的能量密度超过300 Wh/kg,并且保持超过200次充放电循环的使用寿命。然而,安全实施像这样的高性能锂金属电池将需要创建能够可靠预测其使用寿命的技术。锂金属电池的降解过程比传统锂离子电池复杂,并且对其全面理解仍然缺乏,使得使用寿命预测模型的开发成为一项重大挑战。
研究团队通过开发的先进制造方法生产了大量高能量密度锂金属电池单元,每一个电池单元都具有锂金属阳极和富镍阴极。然后,他们评估了这些电池单元的充放电性能。最终,他们通过将机器学习技术应用于充放电数据,建立了一个能够预测锂金属电池循环寿命的模型。该模型通过分析与充电、放电和电压松弛相关的数据而成功进行了准确预测,而无需对特定降解机制做出假设。
该团队旨在进一步提高模型循环寿命预测的准确性,并通过利用该模型开发新的锂金属阳极材料,加速高能量密度锂金属电池的实际应用转化。