Агентний AI навчився передбачати термін служби батарей за лічені дні

Дослідники з Мічиганського університету (U-M) спільно з колегами з Національного університету Сінгапуру здійснили прорив у сфері накопичення енергії. Вони розробили агентний AI-інструмент, який здатний передбачити «цикл життя» акумулятора (кількість зарядок до падіння місткості нижче 90%), аналізуючи дані лише за перші 50 циклів.

Традиційно таке тестування триває від кількох місяців до років, оскільки батареї мають пройти сотні або тисячі циклів розрядки. Нова технологія скорочує цей час на 98%, а витрати електроенергії на прототипування — на 95%.

В основі розробки лежить концепція Discovery Learning (навчання через відкриття або «навчання в процесі дії»). Замість того щоб просто аналізувати суху статистику напруги, AI використовує фізичні параметри та досвід попередніх розробок.

Система працює як злагоджена команда ШІ-агентів.

«Учень» (Learner) обирає перспективні кандидати для тестування, щоб заповнити прогалини у своїх знаннях.

«Інтерпретатор» (Interpreter) поєднує отримані дані з фізичним симулятором та історичною базою. Він шукає паралелі між новими та старими хімічними складами.

«Оракул» (Oracle) на основі розрахунків видає фінальний прогноз щодо довговічності батареї.

«Ми використовуємо ознаки, засновані на фізиці, щоб побудувати загальну карту між ранніми тестами та терміном служби. Це дозволяє нам досягати високої точності навіть для абсолютно нових конструкцій акумуляторів», — пояснює Зію Сун (Ziyou Song), професор електротехніки та комп’ютерної інженерії U-M.

Для перевірки моделі вчені залучили компанію Farasis Energy USA. AI, який спочатку навчався лише на відкритих даних циліндричних батарей (схожих на стандартні пальчикові АА), зміг успішно передбачити поведінку великих промислових «пакетних» (pouch) комірок.

Це підтверджує, що AI розуміє фундаментальні фізико-хімічні процеси деградації, які залишаються схожими незалежно від форми або структури батареї. Наприклад, система враховує, як висока температура прискорює певні хімічні зміни, що призводять до зносу.

Розробники планують розширити можливості системи на інші критичні параметри, такі як безпека (ризик загоряння) та швидкість зарядки.

Проте амбіції вчених йдуть далі: вони вважають, що метод «навчання через відкриття» можна застосувати в будь-якій галузі, де прогрес гальмується дорогими та тривалими експериментами, зокрема в розробці нових ліків та створенні надміцних матеріалів.