Långdragna tester utgör en flaskhals inom utvecklingen av batterier för elbilar. Men nu har Stanford tagit fram en ny metod baserad på maskininlärning som kan korta testtiderna med 98 procent.

© Stanford Energy

Batterierna representerar en stor av elbilarnas pris och att släppa en produkt som inte håller måttet kan innebära spiken i kistan för tillverkaren. Utvecklare som exempelvis vill maximera kapaciteten för snabbladdning måste utföra ett spektrum av tester på ett stort antal batterier. Varje steg av utvecklingen ska utvärderas och testerna kan ta månader eller år. Därför har framstegen hittills skett i små steg men nu öppnar ett nytt tillvägagångssätt för större teknikkliv.

Vid Stanford har ett team utvecklat en metod baserad på maskininlärning som sägs kunna kapa testtiden med 98 procent. Deras studie, som har publicerats i Nature, utgör en del i ett större samarbete med MIT och Toyota Research Institute.

Ett tidigare forskningssamarbete mellan Stanford och MIT visade att det går att förutspå livsspannet för litiumjonbatterier utan att man laddar och tömmer dem tills de går sönder. För forskarnas maskininlärning räckte det då med de första hundra cyklerna, detta efter att den artificiella intelligensen först hade fått följa några batteriers cykler genom hela livslängden.

I det nya forskningsprojektet har teamet skapat ett program där den artificiella intelligensen på bara några få laddcykler kan förutspå hur ett batteri reagerar på olika tillvägagångssätt för laddning. Forskarnas algoritm kan i realtid avgöra vilka metoder som är ointressanta att utvärdera, för att i stället fokusera på några få. Forskarna konstaterar att datorns lösningar inte bara var mycket effektivare utan också förvånansvärt enkla och klart annorlunda mot de val som forskarna själva skulle ha gjort. Resultatet är en testprocedur som har kortats från nära två år till 16 dagar.

Projektets målsättning har varit att kunna ladda ett elbilsbatteri på tio minuter med ett tillvägagångssätt som samtidigt maximerar livslängden. Även om teamet har fokuserat på området snabbladdning så kan genombrottet ge avkastning på bred front.

– Vi räknade ut hur man radikalt kan påskynda testprocessen för extrem snabbladdning. Men det som är riktigt spännande är metoden. Vi kan applicera det här tillvägagångssättet på många andra problem som i dagsläget bromsar batteriutvecklingen under månader eller år, säger Peter Attia som är medförfattare till studien.