伯克利实验室(Berkeley Lab)的一台x射线仪器参与了一项电池研究，该研究使用了一种创新的机器学习方法，加快了快速充电锂电池寿命缩短过程的学习曲线。

 

研究人员使用伯克利实验室的先进光源(一种同步加速器，它能产生从红外到x射线的光)同时进行数十个实验，以一种被称为扫描透射x射线显微镜(简称STXM)的化学成像技术，在一种被称为cosmos的最先进的ALS光束线上进行成像。天富代理分红

 

研究人员还在另一个同步加速器上使用了“原位”x射线衍射——斯坦福同步加速器辐射光源——它试图重现电池中存在的条件，并提供了一个多粒子电池模型。所有这三种形式的数据以一种格式组合在一起，以帮助机器学习算法学习在电池工作的物理。

 

虽然典型的机器学习算法会寻找与训练图像集匹配或不匹配的图像，但在这项研究中，研究人员应用了来自实验和其他来源的更深入的数据集，以获得更精细的结果。研究人员指出，这是这一品牌的“科学机器学习”首次应用于电池循环。这项研究最近发表在《自然材料》杂志上。

 

这项研究得益于COSMIC光束线的一种能力，即通过COSMIC的高速、高分辨率成像能力，可以分离出大约100个单独粒子的化学状态。参与这项研究的肌萎缩侧索硬化研究所研究科学家Yu Young-Sang Yu指出，在循环过程中，每个选定的粒子都被拍摄了大约50个不同的能量步骤，总共拍摄了5000张图像。天富代理分红

 

将来自ALS实验和其他实验的数据与快速充电数学模型的数据相结合，并与快速充电的化学和物理信息相结合，然后将其整合到机器学习算法中。

 

 

斯坦福大学博士后研究员康东民(Stephen Dongmin Kang)是这项研究的合著者，他说:“我们没有像之前的两项研究那样，让计算机直接通过输入数据来计算出模型，而是教计算机如何选择或学习正确的方程，从而学习正确的物理。”

 

丰田研究院(Toyota research Institute)的高级研究员帕特里克·赫林(Patrick Herring)通过加速材料设计和发现项目支持了这项工作，他说:“通过了解电池内部发生的基本反应，我们可以延长电池寿命，实现更快的充电，并最终设计出更好的电池材料。”