ケンブリッジ大学とニューカッスル大学の研究者たちは、電池に電気パルスを送り、その反応を測定することで電池を監視する新しい方法を考案した。測定値は機械学習アルゴリズムによって処理され、電池の劣化状態と耐用年数を予測する。この方法は何らかのマイナスを伴うものではなく既存のバッテリーシステムに簡単に追加できる。結果は今春、Nature Communications誌に報告されている。

リチウムイオン電池の健康状態と残りの寿命を予測することは、電気自動車の普及を阻む大きな問題の一つであり、携帯電話ユーザーにとっては身近な悩みの種でもある。時間の経過とともに、電池の性能は微妙な化学プロセスの複雑なネットワークを介して低下する。これらのプロセスはそれぞれ単独ではバッテリー性能にあまり影響を与えませんが、全体としてはバッテリーの性能と寿命を著しく短くしている。

電池の健全性を予測する現在の方法は、電池の充放電中の電流と電圧を追跡することに基づいている。これでは、バッテリの健全性を示す重要な機能を見逃してしまう。バッテリ内で発生している多くのプロセスを追跡するためには、バッテリの動作中を調査する新しい方法と、バッテリの充放電中の微妙な信号を検出できる新しいアルゴリズムが必要になる。

研究を共同で行ったケンブリッジのキャベンディッシュ研究所のアルファ・リー博士は、「小さなスペースに多くのエネルギーを詰め込むことができるバッテリーを開発する上で、安全性と信頼性は最も重要な設計基準だ。充放電を監視するソフトウェアを改良し、データ駆動型のソフトウェアを使用して充電プロセスを制御することで、電池の性能を大幅に向上させることができると信じている」と話した。

研究者たちは、電池に電気パルスを送り込み、その反応を測定することで電池を監視する方法を考案した。その後、機械学習モデルを使用して、電池の老化を物語るサインである電気応答の特定の特徴を発見する。研究者たちは、この種では最大のデータセットであるモデルを訓練するために、2万回以上の実験的な測定を行った。重要なのは、モデルが無関係なノイズから重要な信号を区別する方法を学習することである。この方法は非侵襲的であり、既存のバッテリーシステムに簡単に追加できる。

研究者らはまた、機械学習モデルを解釈することで、劣化の物理的メカニズムについてのヒントを与えることができることも示した。このモデルは、どの電気信号が劣化と最も相関があるかを知らせることができ、これにより、電池が劣化する理由とそのメカニズムを調べるための具体的な実験を設計することができる。

「機械学習は物理的な理解を補完し、補強する」と、共同研究の第一著者であるキャベンディッシュ研究所のユンウェイ・ツァン博士は述べている。「我々の機械学習モデルによって特定された解釈可能な信号は、将来の理論的・実験的研究の出発点となる」

研究者たちは現在、機械学習プラットフォームを使用して、さまざまな電池化学物質の劣化を理解している。また、急速充電を可能にし、劣化を最小限に抑えるために、機械学習を利用した最適なバッテリー充電プロトコルを開発している。

参考文献

  1. Yunwei Zhang, Qiaochu Tang, Yao Zhang, Jiabin Wang, Ulrich Stimming, Alpha A. Lee. Identifying degradation patterns of lithium ion batteries from impedance spectroscopy using machine learning. Nature Communications, 2020; 11 (1) DOI: 10.1038/s41467-020-15235-7

Photo: Photo by Science in HD on Unsplash