A inteligência artificial melhora a saúde e a segurança da bateria

Pesquisadores projetaram uma nova maneira de monitorar baterias enviando pulsos elétricos para elas e medindo a resposta. As medições são então processadas por um algoritmo de aprendizado de máquina para prever a saúde e a vida útil da bateria. O método não é invasivo e é um complemento simples para qualquer sistema de bateria existente.

Prever o estado de saúde e a vida útil restante das baterias de íons de lítio é um dos grandes problemas que limitam a adoção generalizada de veículos elétricos e também afeta a segurança dos telefones celulares. Com o tempo, o desempenho da bateria diminui por meio de uma rede complexa de processos químicos sutis. Individualmente, cada um desses processos não tem muito efeito sobre o desempenho da bateria, mas coletivamente, eles podem reduzir severamente o desempenho e a vida útil de uma bateria.

Os métodos atuais para prever a saúde da bateria são baseados no rastreamento da corrente e tensão durante o carregamento e descarregamento da bateria. Isso perde recursos importantes que indicam a integridade da bateria. Rastrear os muitos processos que estão acontecendo dentro da bateria requer novas maneiras de testar as baterias em ação, bem como novos algoritmos que podem detectar sinais sutis à medida que são carregadas e descarregadas.

Os pesquisadores projetaram uma maneira de monitorar uma bateria enviando pulsos elétricos para ela e medindo sua resposta. Um modelo de aprendizado de máquina é então usado para descobrir recursos específicos na resposta elétrica que são o sinal revelador do envelhecimento da bateria. Os pesquisadores realizaram mais de 20.000 medições experimentais para treinar o modelo. É importante ressaltar que o modelo aprende a distinguir sinais importantes de ruídos irrelevantes. O método não é invasivo e é um complemento simples para qualquer sistema de bateria existente.

Os pesquisadores também mostraram que o modelo de aprendizado de máquina pode ser interpretado para dar dicas sobre o mecanismo físico de degradação. O modelo pode informar quais sinais elétricos estão mais correlacionados com o envelhecimento, o que, por sua vez, permite projetar experimentos específicos para investigar por que e como as baterias se degradam.

A plataforma de aprendizado de máquina está sendo usada para entender a degradação em diferentes químicas de baterias. Protocolos ideais de carregamento de bateria estão sendo desenvolvidos, alimentados por aprendizado de máquina, para permitir o carregamento rápido e minimizar a degradação.