Prédire la durée de vie des batteries grâce à l'apprentissage automatique

Dans une nouvelle étude, des chercheurs du Laboratoire national d'Argonne du Département américain de l'énergie (DOE) se sont tournés vers l'apprentissage automatique pour prédire la durée de vie d'un large éventail de chimies de batteries différentes. En utilisant des données expérimentales recueillies à Argonne à partir d'un ensemble de 300 batteries représentant six chimies de batterie différentes, les scientifiques peuvent déterminer avec précision combien de temps différentes batteries continueront à cycler.

Dans un algorithme d'apprentissage automatique, les scientifiques entraînent un programme informatique à faire des inférences sur un ensemble initial de données connues qui lui sont transmises, puis utilisent ce qu'il a appris de cette formation pour prendre des décisions sur un nouvel ensemble de données inconnues.

"Pour chaque type d'application de batterie, des téléphones portables aux véhicules électriques en passant par le stockage sur réseau, la durée de vie de la batterie est d'une importance fondamentale", a déclaré Noah Paulson, scientifique en informatique d'Argonne, auteur de l'étude. "Devoir faire fonctionner une batterie des milliers de fois jusqu'à ce qu'elle tombe en panne peut prendre des années ; notre méthode crée une sorte de cuisine de test informatique où nous pouvons établir rapidement les performances de différentes batteries. »

"À l'heure actuelle, la seule façon d'évaluer la façon dont la capacité d'une batterie s'estompe est de faire cycler la batterie », a ajouté l'électrochimiste d'Argonne Susan "Sue" Babinec, un autre auteur de l'étude. "C'est très cher et ça prend beaucoup de temps."

Selon Paulson, le processus d'établissement d'une durée de vie de la batterie peut être délicat. "La réalité est que les batteries ne durent pas éternellement, et leur durée dépend de la façon dont nous les utilisons, ainsi que de leur conception et de leur chimie », a-t-il déclaré. "Jusqu'à présent, il n'y avait vraiment pas de bon moyen de savoir combien de temps une batterie va durer. Les gens voudront savoir combien de temps ils ont avant de devoir dépenser de l'argent pour une nouvelle batterie. »

Un aspect unique de l'étude est qu'elle s'est appuyée sur des travaux expérimentaux approfondis effectués à Argonne sur une variété de matériaux de cathode de batterie, en particulier la cathode brevetée à base de nickel-manganèse-cobalt (NMC) d'Argonne. "Nous avions des batteries qui représentaient différentes chimies, qui avaient différentes manières de se dégrader et de tomber en panne », a déclaré Paulson. "La valeur de cette étude est qu'elle nous a donné des signaux caractéristiques de la performance de différentes batteries."

Une étude plus approfondie dans ce domaine a le potentiel de guider l'avenir des batteries lithium-ion, a déclaré Paulson. "L'une des choses que nous sommes capables de faire est de former l'algorithme sur une chimie connue et de lui faire faire des prédictions sur une chimie inconnue », a-t-il déclaré. "Essentiellement, l'algorithme peut nous aider à nous orienter vers de nouvelles chimies améliorées qui offrent des durées de vie plus longues."

De cette manière, Paulson pense que l'algorithme d'apprentissage automatique pourrait accélérer le développement et les tests de matériaux de batterie. "Disons que vous avez un nouveau matériau et que vous le faites plusieurs fois. Vous pouvez utiliser notre algorithme pour prédire sa longévité, puis prendre des décisions quant à savoir si vous souhaitez continuer à le tester expérimentalement ou non. »

"Si vous êtes chercheur dans un laboratoire, vous pouvez découvrir et tester beaucoup plus de matériaux en moins de temps car vous disposez d'un moyen plus rapide de les évaluer", a ajouté Babinec.

Un article basé sur l'étude, "L'ingénierie des fonctionnalités pour l'apprentissage automatique a permis une prédiction précoce de la durée de vie de la batterie", est paru dans l'édition en ligne du 25 février du Journal of Power