Kecerdasan Buatan Meningkatkan Kesehatan dan Keamanan Baterai
Para peneliti telah merancang cara baru untuk memantau baterai dengan mengirimkan pulsa listrik ke dalamnya dan mengukur responsnya. Pengukuran kemudian diproses oleh algoritme pembelajaran mesin untuk memprediksi kesehatan baterai dan masa pakai baterai. Metode ini non-invasif dan merupakan tambahan sederhana untuk sistem baterai yang ada.
Memprediksi kondisi kesehatan dan sisa masa pakai baterai lithium-ion adalah salah satu masalah besar yang membatasi adopsi kendaraan listrik secara luas dan juga memengaruhi keamanan ponsel. Seiring waktu, kinerja baterai menurun melalui jaringan proses kimia yang rumit. Secara individual, masing-masing proses ini tidak banyak berpengaruh pada performa baterai, tetapi secara kolektif, proses tersebut dapat sangat mempersingkat performa dan masa pakai baterai.
Metode saat ini untuk memprediksi kesehatan baterai didasarkan pada pelacakan arus dan tegangan selama pengisian dan pemakaian baterai. Ini melewatkan fitur penting yang menunjukkan kesehatan baterai. Melacak banyak proses yang terjadi di dalam baterai memerlukan cara baru untuk memeriksa tindakan baterai serta algoritme baru yang dapat mendeteksi sinyal halus saat diisi dan dikosongkan.
Para peneliti merancang cara untuk memantau baterai dengan mengirimkan pulsa listrik ke dalamnya dan mengukur responsnya. Model pembelajaran mesin kemudian digunakan untuk menemukan fitur spesifik dalam respons listrik yang merupakan tanda penuaan baterai. Para peneliti melakukan lebih dari 20.000 pengukuran eksperimental untuk melatih model. Yang penting, model belajar bagaimana membedakan sinyal penting dari kebisingan yang tidak relevan. Metode ini non-invasif dan merupakan tambahan sederhana untuk semua sistem baterai yang ada.
Para peneliti juga menunjukkan bahwa model pembelajaran mesin dapat diinterpretasikan untuk memberikan petunjuk tentang mekanisme fisik degradasi. Model tersebut dapat menginformasikan sinyal listrik mana yang paling berkorelasi dengan penuaan, yang pada gilirannya memungkinkan mereka merancang eksperimen khusus untuk menyelidiki mengapa dan bagaimana baterai menurun.
Platform pembelajaran mesin digunakan untuk memahami degradasi dalam kimia baterai yang berbeda. Protokol pengisian daya baterai yang optimal sedang dikembangkan, didukung oleh pembelajaran mesin, untuk memungkinkan pengisian cepat dan meminimalkan degradasi.
