工程师Bruis van Vlijmen在Bldg的Arrillaga科学中心的Battery Informatics Lab 1070内部工作。
伯克利实验室(Berkeley Lab)的X射线仪器对电池的研究做出了贡献，该电池使用了一种创新的机器学习方法来加快关于缩短可快速充电锂电池寿命的过程的学习曲线。
研究人员使用伯克利实验室的高级光源(一种同步加速器，可产生从红外到X射线的光进行多次同步实验)来执行一种称为“透射X射线显微镜”或STXM的化学成像技术。最先进的ALS光束线被称为COSMIC。
研究人员还在另一台同步加速器(SLAC的斯坦福同步加速器辐射光源)上使用“原位” X射线衍射，该技术试图重现电池中存在的条件，并另外提供了多粒子电池模型。所有这三种形式的数据都以一种格式组合在一起，以帮助机器学习算法学习电池工作中的物理原理。
虽然典型的机器学习算法会寻找匹配或不匹配的训练图，但在这项研究中，研究人员应用了来自实验和其他来源的更深层数据，以实现更精确的结果。研究人员指出，这是这种“科学机器学习”品牌第一次应用于电池循环。该研究最近发表在《自然材料》上。
这项研究得益于COSMIC光束线能够分辨出大约100个单个粒子的化学状态的能力，这是由于COSMIC的高速，高分辨率成像功能所致。参与研究的ALS研究科学家Young-Sang Yu指出，在循环过程中，每个选定的粒子在大约50个不同的能量步长处成像，总共有5,000张图像。
将来自ALS实验和其他实验的数据与来自快速充电数学模型的数据以及有关快速充电的化学和物理信息相结合，然后将其合并到机器学习算法中。
斯坦福大学博士后研究员说：“我们没有像以前的两次研究那样，让计算机通过简单地输入模型数据直接找出模型，而是教会了计算机如何选择或学习正确的方程式以及正确的物理学。”研究合著者Stephen Dongmin Kang。
丰田研究所高级研究科学家Patrick Herring通过其加速材料设计和发现计划为这项工作提供了支持，他说：“通过了解电池内部发生的基本反应，我们可以延长电池寿命，实现更快的充电，并最终设计更好的电池材料。”
