{"id":5197,"date":"2021-01-19T09:25:43","date_gmt":"2021-01-19T15:25:43","guid":{"rendered":"https:\/\/www.arbin.com\/?p=5197"},"modified":"2023-02-20T09:39:00","modified_gmt":"2023-02-20T15:39:00","slug":"3-entscheidende-wege-wie-ki-die-batterieentwicklung-unterstutzen-kann","status":"publish","type":"post","link":"https:\/\/www.arbin.com\/de\/3-entscheidende-wege-wie-ki-die-batterieentwicklung-unterstutzen-kann-html","title":{"rendered":"3 entscheidende Wege, wie KI die Batterieentwicklung unterst\u00fctzen kann"},"content":{"rendered":"
\"\"<\/figure>\n\n\n\n

K\u00fcnstliche Intelligenz ver\u00e4ndert schon seit vielen Jahren die Arbeitswelt. Von Algorithmen, die die Produktion optimieren, bis hin zu sprachgesteuerten virtuellen Assistenten auf einem Smartphone oder einem intelligenten Lautsprecher - KI ist in der Lage, Prozesse zu optimieren und zu automatisieren, um sie effizienter und produktiver zu machen. Wie kann KI die Batterieforschung und -entwicklung verbessern? Hier sind drei M\u00f6glichkeiten, wie KI die Pr\u00fcfung und Entwicklung von Batterien revolutionieren wird.<\/span><\/b><\/p>\n\n\n\n

AI kann Tests um 98% beschleunigen<\/b><\/p>\n\n\n\n

Batterien werden \u00fcblicherweise durch wiederholte Lade-\/Entladezyklen getestet. So k\u00f6nnen die Forscher sehen, wie sich die Batterieleistung mit der Zeit verschlechtert. Es kann jedoch Monate dauern, bis gen\u00fcgend Daten f\u00fcr genaue Vorhersagen gesammelt sind. Dies verl\u00e4ngert den Pr\u00fcfprozess um eine Menge zus\u00e4tzlicher Zeit.<\/span><\/p>\n\n\n\n

Mit KI l\u00e4sst sich dieser Prozess erheblich beschleunigen. Eine gemeinsame <\/span>Forschungsprojekt<\/span><\/a> zwischen Stanford, MIT und dem Toyota-Forschungsinstitut verwendete KI zur Vorhersage der Lebensdauer einer Batterie. Anhand einiger hundert Millionen Datenpunkte trainierten die Forscher ihre KI, um vorherzusagen, wie viele Zyklen jede Batterie noch durchhalten w\u00fcrde. Die KI war in der Lage, innerhalb von 9% die Anzahl der Zyklen vorherzusagen, die eine Zelle letztendlich durchh\u00e4lt. Die Maschine konnte dies allein auf der Grundlage von Spannungsabf\u00e4llen und anderen Faktoren in den ersten 100 Ladezyklen erreichen. Auf der Grundlage der ersten f\u00fcnf Zyklen konnte sie au\u00dferdem mit einer Genauigkeit von 95% vorhersagen, ob die Zelle eine lange oder kurze Lebensdauer hat. Die KI war in der Lage, Muster in der Batterieleistung zu erkennen, und zwar viel besser als ein Mensch es manuell k\u00f6nnte.<\/span><\/p>\n\n\n\n

Das gleiche Team nutzte diese Technologie, um ein optimiertes Schnellladeprotokoll zu finden. In diesem <\/span>Experiment<\/span><\/a>Die Forscher waren in der Lage, das beste Ladeprotokoll f\u00fcr eine Batteriechemie zu finden und einen Prozess, der normalerweise bis zu zwei Jahre dauern kann, auf nur 16 Tage zu reduzieren. Die KI wurde anhand von Daten \u00fcber Batterieausf\u00e4lle trainiert und konnte anhand dieser Daten schnell die besten zu testenden Protokolle ermitteln. Da es viele verschiedene M\u00f6glichkeiten gibt, ein und dieselbe Batterie zu laden, konnte die KI vorhersagen, wie die Batteriechemie auf eine bestimmte Lademethode reagieren w\u00fcrde, und die Methoden ausschlie\u00dfen, die am ehesten versagen w\u00fcrden, und die testen, die am ehesten erfolgreich sind. Auf diese Weise bot die KI den Forschern ein einfaches Protokoll, das sie selbst nicht vorhergesehen h\u00e4tten. Die KI verk\u00fcrzt nicht nur die Zeit, die n\u00f6tig ist, um wertvolle Ergebnisse zu erzielen, sie ist auch in der Lage, Probleme auf eine Art und Weise zu denken und zu l\u00f6sen, an die Menschen selbst vielleicht nicht denken w\u00fcrden, und bietet so wirklich optimale L\u00f6sungen.<\/span><\/b><\/p>\n\n\n\n

KI kann helfen, die Degradation von Batterien besser zu verstehen<\/b><\/p>\n\n\n\n

In einem \u00e4hnlichen Projekt nutzten Forscher der Universit\u00e4ten Cambridge und Newcastle einen Algorithmus des maschinellen Lernens, um nicht nur den Zustand der Batterien vorherzusagen, sondern auch Muster der Verschlechterung zu erkennen und zu verfolgen.<\/span><\/p>\n\n\n\n

Das Forschungsteam entwickelte <\/span>eine nicht-invasive Methode zur \u00dcberwachung der Batterieleistung<\/span><\/a> indem sie elektrische Impulse mit verschiedenen Frequenzen in die Zelle sendet und den Strom bei jeder Frequenz misst. Diese Reaktionen werden von einer KI verarbeitet, die mit \u00fcber zwanzigtausend Messungen trainiert wurde. Die Maschine kann feststellen, welche Reaktionen auf eine Verschlechterung der Batterie hinweisen und welche irrelevantes Rauschen sind. Dieselbe Strategie kann auf verschiedene Batteriechemien angewandt werden, und diese Daten bieten den Forschern einen Ausgangspunkt f\u00fcr Experimente, um herauszufinden, wie und wodurch die Batterieabnutzung verursacht wird. <\/span><\/p>\n\n\n\n

KI kann Materialdatenbanken durchforsten<\/b><\/p>\n\n\n\n

Eine weitere geniale Art, KI zu nutzen, ist in <\/span>Materialforschung<\/span><\/a>. Es gibt Hunderttausende von Molek\u00fclen, die als Kandidaten f\u00fcr eine Batterie in Frage kommen, und das Team des Joint Center for Energy Storage Research des US-Energieministeriums <\/span>nutzt AI, um die beste L\u00f6sung zu finden<\/span><\/a>.<\/span><\/p>\n\n\n\n

Wenn Wissenschaftler vermuten, dass ein Molek\u00fcl f\u00fcr die Verwendung in Batterien geeignet sein k\u00f6nnte, m\u00fcssen sie es traditionell in eine Batterie einbauen und seine Leistung testen. Mit Hilfe des maschinellen Lernens ist die KI nun in der Lage, eine Bibliothek von Materialien zu durchforsten, um molekulare Strukturen zu finden, die verschiedene Leistungsanforderungen erf\u00fcllen k\u00f6nnten.<\/span><\/p>\n\n\n\n

In \u00e4hnlicher Weise arbeiten Wissenschaftler des Argonne National Laboratory <\/span>Einsatz von AI zur Identifizierung von Elektrolytmaterialien<\/span><\/a>Ihre Maschine ist darauf trainiert, Molek\u00fcle mit gew\u00fcnschten Eigenschaften zu finden. Der Algorithmus muss zwar noch eine Option finden, aber wenn er sie findet, k\u00f6nnen die Wissenschaftler dieses Material verwenden, um eine Testzelle f\u00fcr Experimente zu erstellen und mit neuen Datens\u00e4tzen den Algorithmus weiter zu verfeinern.<\/span><\/p>\n\n\n\n

Batteriewissenschaftler sehen es als dringlich an, Energiel\u00f6sungen f\u00fcr eine gr\u00fcnere Zukunft zu entwickeln, und die KI spielt eine wichtige Rolle bei der Rationalisierung und Optimierung dieses Prozesses. Mit dieser Technologie k\u00f6nnten wir bald eine neue und verbesserte Batterie haben.<\/span><\/p>","protected":false},"excerpt":{"rendered":"

Artificial intelligence has been changing how the world works for many years now. From algorithms that optimize production, to voice activated virtual assistants on a smartphone or smart speaker, AI is able to optimize and automate processes to make them more efficient and productive. How can AI improve battery research and development? Here are three […]<\/p>","protected":false},"author":6,"featured_media":20085,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_seopress_robots_primary_cat":"none","_seopress_titles_title":"","_seopress_titles_desc":"","_seopress_robots_index":"","inline_featured_image":false,"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"default","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"footnotes":""},"categories":[115],"tags":[295,223],"class_list":["post-5197","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-industry-news","tag-ai","tag-materials-research"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.arbin.com\/de\/wp-json\/wp\/v2\/posts\/5197","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.arbin.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.arbin.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.arbin.com\/de\/wp-json\/wp\/v2\/users\/6"}],"replies":[{"embeddable":true,"href":"https:\/\/www.arbin.com\/de\/wp-json\/wp\/v2\/comments?post=5197"}],"version-history":[{"count":0,"href":"https:\/\/www.arbin.com\/de\/wp-json\/wp\/v2\/posts\/5197\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.arbin.com\/de\/wp-json\/wp\/v2\/media\/20085"}],"wp:attachment":[{"href":"https:\/\/www.arbin.com\/de\/wp-json\/wp\/v2\/media?parent=5197"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.arbin.com\/de\/wp-json\/wp\/v2\/categories?post=5197"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.arbin.com\/de\/wp-json\/wp\/v2\/tags?post=5197"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}