科学家将人工智能和原子级图像结合 可生产出性能更好的电池

可充电电池的发明伟大且神奇，但电池都会老化，因此在进行电池更换或回收时会产生高昂费用。为解决该问题，斯坦福大学（Stanford University）材料科学与工程系的副教授William Chueh发明出一种首创的分析方法，可生产出性能更好的电池，从而助力生产出理想的“坚不可摧”的电池。

（图片来源：Ella Maru Studio）

Chueh、研究论文主要作者Haitao“Dean”Deng博士以及劳伦斯伯克利国家实验室（Lawrence Berkeley National Laboratory）、麻省理工学院（MIT）和其他研究机构的合作者使用人工智能分析新型原子级显微图像，以准确了解电池磨损的原因。研究人员称，发现这些原因可能会大大延长电池寿命。具体来说，他们研究出一种基于LFP材料的特定类型的锂离子电池。该电池不使用供应链受限的化学品，因此会加快电动汽车进入大众市场的步伐。

纳米裂缝

Chueh解释说：“想象电池是一个陶瓷咖啡杯，在加热或冷却时会出现热胀冷缩现象，从而导致陶瓷出现缺陷。每次充电时，可充电电池中的材料都会发生同样的过程，然后用完电，引起故障。”

Chueh指出，温度不是导致电池产生裂缝的原因，而是材料在每个充电循环中彼此间的机械应变。

Chueh表示：“不幸的是，我们对原子结合的纳米级上发生的变化知之甚少。但凭借全新高分辨率显微镜技术，我们能够看到变化，而人工智能帮助我们了解变化。这是我们第一次可以在单纳米级上可视化和测量这些力。”

Chueh还表示：“所有给定材料的性能都是其化学和原子级材料中物理相互作用的函数，我将其称之为‘化学力学’。更重要的是，物体越小，构成材料的原子越多样化，就越难预测材料的行为方式。”

变革性工具

使用AI进行图像分析并不新鲜，但使用该技术来研究最小尺度的原子相互作用却很少见。在医学领域，人工智能已经成为一种变革性工具，可以分析从膝盖缺陷到癌症等各种疾病的图像。同时，在材料科学中，高分辨率X射线、电子和中子显微镜的新方法允许在纳米尺度上直接可视化。

越来越多的电动汽车制造商和电池密集型企业采用LFP材料。在该项目中，研究团队选择采用常用于正极的材料LFP和磷酸铁锂。该电极不含钴和镍，而这两种材料多用于市售电池。LFP电池也非常安全，尽管它们每磅所含电量更少。

尽管LFP已经研究了20年，但迄今为止只能了解到两个关键的突出技术问题。第一个问题是了解材料在充放电时的弹性和变形。第二个问题是材料如何在LFP部分稳定或“亚稳态”的特定机制中扩展和收缩。

通过使用图像学习技术，Deng首次解释了这两个问题。他将其应用于由扫描透射电子显微镜产生的一系列二维图像，以及先进的（光谱-叠层成像术）X射线图像。Deng表示这些发现对电池的容量、能量保持和速率很重要。更重要的是，Deng认为这项技术可进行推广至大多数晶体材料，或可制成良好的电极。

Deng表示：“人工智能可以帮助我们了解这些物理关系，而这些关系对于预测新电池性能、实际应用的可靠性以及随时间退化至关重要。”

研究人员称已利用该技术在原子水平上采用各种新电池设计。一种是新的电池控制软件，可以延长电池寿命的方式管理充电和放电。另一种是开发更精确的计算模型，使电池工程师能够在计算机上而不是在实验室中探索替代电极材料。Chueh说：“人工智能可以帮助我们采用新方式看待就材料，从而有可能找到更好的替代材料。”

------------------------------

《全球汽车前瞻技术情报双周刊》（25期/年）含：全球范围检索汽车前瞻技术；跨界、初创、科研领域广泛涉及；根据中国市场使用场景筛选；部分收录企业投资市场受追捧等。获取方式如下：

关键词： 斯坦福大学 原子级图像