ຈິນຕະນາການເຖິງຈິດບອກພໍ່ແມ່ຂອງເຈົ້າ, ໃນມື້ທີ່ເຈົ້າເກີດ, ເຈົ້າຈະມີຊີວິດຢູ່ໄດ້ດົນປານໃດ.ປະສົບການທີ່ຄ້າຍຄືກັນແມ່ນເປັນໄປໄດ້ສໍາລັບນັກເຄມີຂອງແບດເຕີຣີທີ່ກໍາລັງໃຊ້ແບບຈໍາລອງການຄໍານວນໃຫມ່ເພື່ອຄິດໄລ່ອາຍຸຂອງແບດເຕີລີ່ໂດຍອີງໃສ່ຂໍ້ມູນການທົດລອງຫນ້ອຍດຽວ.

ໃນການສຶກສາໃຫມ່, ນັກຄົ້ນຄວ້າທີ່ຫ້ອງທົດລອງແຫ່ງຊາດ Argonne ຂອງກະຊວງພະລັງງານສະຫະລັດ (DOE) ໄດ້ຫັນໄປຫາພະລັງງານຂອງການຮຽນຮູ້ເຄື່ອງຈັກເພື່ອຄາດຄະເນອາຍຸຂອງຊີວະວິທະຍາຂອງແບດເຕີຣີທີ່ຫລາກຫລາຍ.ໂດຍການນໍາໃຊ້ຂໍ້ມູນການທົດລອງທີ່ເກັບກໍາຢູ່ Argonne ຈາກຊຸດຂອງ 300 ຫມໍ້ໄຟທີ່ເປັນຕົວແທນຫົກເຄມີຫມໍ້ໄຟທີ່ແຕກຕ່າງກັນ, ນັກວິທະຍາສາດສາມາດກໍານົດໄດ້ຢ່າງຖືກຕ້ອງພຽງແຕ່ໄລຍະເວລາຂອງຫມໍ້ໄຟທີ່ແຕກຕ່າງກັນຈະສືບຕໍ່ວົງຈອນ.

ນັກຄົ້ນຄວ້າ Argonne ໄດ້ໃຊ້ແບບຈໍາລອງການຮຽນຮູ້ເຄື່ອງຈັກເພື່ອເຮັດໃຫ້ການຄາດເດົາອາຍຸຂອງວົງຈອນຫມໍ້ໄຟສໍາລັບວິຊາເຄມີທີ່ແຕກຕ່າງກັນຢ່າງກວ້າງຂວາງ.(ຮູບໂດຍ Shutterstock/Sealstep.)

ໃນລະບົບການຮຽນຮູ້ຂອງເຄື່ອງຈັກ, ນັກວິທະຍາສາດຝຶກອົບຮົມໂຄງການຄອມພິວເຕີເພື່ອເຮັດບົດສະຫຼຸບກ່ຽວກັບຊຸດຂໍ້ມູນເບື້ອງຕົ້ນ, ແລະຫຼັງຈາກນັ້ນເອົາສິ່ງທີ່ໄດ້ຮຽນຮູ້ຈາກການຝຶກອົບຮົມນັ້ນເພື່ອຕັດສິນໃຈກ່ຽວກັບຊຸດຂໍ້ມູນອື່ນ.

"ສໍາລັບທຸກໆປະເພດຂອງການນໍາໃຊ້ຫມໍ້ໄຟທີ່ແຕກຕ່າງກັນ, ຈາກໂທລະສັບມືຖືກັບຍານພາຫະນະໄຟຟ້າກັບການເກັບຮັກສາຕາຂ່າຍໄຟຟ້າ, ອາຍຸການຫມໍ້ໄຟແມ່ນມີຄວາມສໍາຄັນພື້ນຖານສໍາລັບຜູ້ບໍລິໂພກທຸກຄົນ," ວິທະຍາສາດຄອມພິວເຕີ Argonne Noah Paulson, ຜູ້ຂຽນຂອງການສຶກສາກ່າວວ່າ.“ຕ້ອງ​ໝູນ​ໃຊ້​ແບັດ​ເຕີ​ຣີ​ນັບ​ພັນ​ເທື່ອ​ຈົນ​ກວ່າ​ມັນ​ບໍ່​ສາມາດ​ໃຊ້​ເວ​ລາ​ຫລາຍ​ປີ;ວິທີການຂອງພວກເຮົາສ້າງປະເພດຂອງເຮືອນຄົວທົດສອບການຄິດໄລ່ທີ່ພວກເຮົາສາມາດສ້າງຕັ້ງຢ່າງໄວວາວິທີການຫມໍ້ໄຟທີ່ແຕກຕ່າງກັນຈະປະຕິບັດໄດ້."

"ໃນປັດຈຸບັນ, ວິທີດຽວທີ່ຈະປະເມີນວ່າຄວາມອາດສາມາດໃນຫມໍ້ໄຟຫຼຸດລົງຄືການວົງຈອນຂອງຫມໍ້ໄຟຕົວຈິງ," Susan "Sue" Babinec, ຜູ້ຊ່ຽວຊານດ້ານ electrochemist Argonne ກ່າວຕື່ມ."ມັນແພງຫຼາຍແລະມັນໃຊ້ເວລາດົນ."

ອີງຕາມການ Paulson, ຂະບວນການສ້າງຕັ້ງອາຍຸຫມໍ້ໄຟສາມາດເປັນ tricky.ທ່ານ​ກ່າວ​ວ່າ “ຄວາມ​ເປັນ​ຈິງ​ແລ້ວ​ແມ່ນ​ວ່າ​ແບັດ​ເຕີ​ຣີ​ບໍ່​ຄົງ​ຢູ່​ຕະ​ຫຼອດ​ໄປ ແລະ​ຈະ​ຢູ່​ໄດ້​ດົນ​ປານ​ໃດ​ນັ້ນ​ແມ່ນ​ຂຶ້ນ​ກັບ​ວິ​ທີ​ການ​ທີ່​ພວກ​ເຮົາ​ໃຊ້, ເຊັ່ນ​ດຽວ​ກັນ​ກັບ​ການ​ອອກ​ແບບ ແລະ​ເຄ​ມີ​ຂອງ​ມັນ.“ຈົນ​ຮອດ​ປັດ​ຈຸ​ບັນ, ຍັງ​ບໍ່​ທັນ​ມີ​ວິ​ທີ​ທີ່​ດີ​ທີ່​ຈະ​ຮູ້​ວ່າ​ແບັດ​ເຕີ​ຣີ​ຈະ​ຢູ່​ໄດ້​ດົນ​ປານ​ໃດ.ປະຊາຊົນຢາກຮູ້ວ່າພວກເຂົາມີເວລາດົນປານໃດຈົນກ່ວາພວກເຂົາຕ້ອງໃຊ້ເງິນໃນຫມໍ້ໄຟໃຫມ່.”

ຫນຶ່ງໃນລັກສະນະທີ່ເປັນເອກະລັກຂອງການສຶກສາແມ່ນວ່າມັນອີງໃສ່ວຽກງານທົດລອງຢ່າງກວ້າງຂວາງທີ່ເຮັດຢູ່ Argonne ກ່ຽວກັບວັດສະດຸ cathode ຫມໍ້ໄຟທີ່ຫລາກຫລາຍ, ໂດຍສະເພາະແມ່ນ cathode nickel-manganese-cobalt (NMC) ທີ່ໄດ້ຮັບສິດທິບັດຂອງ Argonne.ທ່ານ Paulson ກ່າວວ່າ "ພວກເຮົາມີຫມໍ້ໄຟທີ່ເປັນຕົວແທນຂອງເຄມີສາດທີ່ແຕກຕ່າງກັນ, ເຊິ່ງມີວິທີທີ່ແຕກຕ່າງກັນທີ່ພວກເຂົາຈະຍ່ອຍສະຫຼາຍແລະລົ້ມເຫລວ,"."ຄຸນຄ່າຂອງການສຶກສານີ້ແມ່ນວ່າມັນໃຫ້ສັນຍານໃຫ້ພວກເຮົາເປັນລັກສະນະຂອງວິທີການຫມໍ້ໄຟທີ່ແຕກຕ່າງກັນ."

ການສຶກສາຕື່ມອີກໃນຂົງເຂດນີ້ມີທ່າແຮງທີ່ຈະນໍາພາອະນາຄົດຂອງຫມໍ້ໄຟ lithium-ion, Paulson ກ່າວ."ຫນຶ່ງໃນສິ່ງທີ່ພວກເຮົາສາມາດເຮັດໄດ້ແມ່ນການຝຶກອົບຮົມ algorithm ກ່ຽວກັບເຄມີສາດທີ່ຮູ້ຈັກແລະເຮັດໃຫ້ມັນຄາດຄະເນກ່ຽວກັບເຄມີສາດທີ່ບໍ່ຮູ້ຈັກ," ລາວເວົ້າ."ໂດຍພື້ນຖານແລ້ວ, ສູດການຄິດໄລ່ອາດຈະຊ່ວຍຊີ້ໃຫ້ພວກເຮົາໄປສູ່ທິດທາງຂອງເຄມີສາດໃຫມ່ແລະການປັບປຸງທີ່ສະເຫນີໃຫ້ມີອາຍຸຍືນກວ່າ."

ດ້ວຍວິທີນີ້, Paulson ເຊື່ອວ່າລະບົບການຮຽນຮູ້ເຄື່ອງຈັກສາມາດເລັ່ງການພັດທະນາແລະການທົດສອບອຸປະກອນຫມໍ້ໄຟ."ເວົ້າວ່າທ່ານມີວັດສະດຸໃຫມ່, ແລະທ່ານຮອບວຽນມັນສອງສາມເທື່ອ.ທ່ານ​ສາ​ມາດ​ນໍາ​ໃຊ້​ວິ​ທີ​ການ​ຂອງ​ພວກ​ເຮົາ​ເພື່ອ​ຄາດ​ຄະ​ເນ​ຄວາມ​ຍືນ​ຍາວ​ຂອງ​ມັນ​, ແລະ​ຫຼັງ​ຈາກ​ນັ້ນ​ເຮັດ​ການ​ຕັດ​ສິນ​ໃຈ​ວ່າ​ທ່ານ​ຕ້ອງ​ການ​ທີ່​ຈະ​ສືບ​ຕໍ່​ການ​ທົດ​ລອງ​ມັນ​ເປັນ​ວົງ​ຈອນ​ຫຼື​ບໍ່​.

"ຖ້າທ່ານເປັນນັກຄົ້ນຄວ້າຢູ່ໃນຫ້ອງທົດລອງ, ທ່ານສາມາດຄົ້ນພົບແລະທົດສອບອຸປະກອນອື່ນໆຈໍານວນຫຼາຍໃນເວລາສັ້ນໆເພາະວ່າທ່ານມີວິທີທີ່ໄວກວ່າທີ່ຈະປະເມີນພວກມັນ," Babinec ກ່າວຕື່ມວ່າ.

ເອກະສານທີ່ອີງໃສ່ການສຶກສາ, "ວິສະວະກຳຄຸນສົມບັດສຳລັບການຮຽນຮູ້ເຄື່ອງຈັກເຮັດໃຫ້ການຄາດເດົາອາຍຸຂອງແບັດເຕີຣີໄດ້ໄວ,” ປາກົດຢູ່ໃນສະບັບອອນໄລນ໌ວັນທີ 25 ກຸມພາຂອງວາລະສານແຫຼ່ງພະລັງງານ.

ນອກເຫນືອຈາກ Paulson ແລະ Babinec, ຜູ້ຂຽນອື່ນໆຂອງເອກະສານປະກອບມີໂຈເຊັບ Kubal ຂອງ Argonne, Logan Ward, Saurabh Saxena ແລະ Wenquan Lu.

ການສຶກສາດັ່ງກ່າວໄດ້ຮັບທຶນຈາກການຊ່ວຍເຫຼືອລ້າ Argonne Laboratory-Directed Research and Development (LDRD).