A * STAR के इंस्टीट्यूट ऑफ मैटेरियल्स रिसर्च एंड इंजीनियरिंग में डॉ। गैरेथ कोंडिट द्वारा वैज्ञानिकों की एक टीम का नेतृत्व किया गया है, और नानयांग टेक्नोलॉजिकल यूनिवर्सिटी ने इलेक्ट्रिक वाहन बैटरी राज्यों की भविष्यवाणी करने और लिथियम-आयन कोशिकाओं के लिए 'सटीक' भविष्यवाणी देने के लिए AI का उपयोग किया है। प्रभारी और स्वास्थ्य
प्रकाशित लेख के अनुसार, डेटा-संचालित मशीन लर्निंग मॉडल तकनीक निर्माताओं को अपने बैटरी उपकरणों में सीधे सॉफ्टवेयर को एम्बेड करने की अनुमति दे सकती है, जो कि विशिष्ट बैटरी मॉडल पर 6% तक के अपने जीवन चक्र को बेहतर बनाने के लिए है, जो जीवनकाल को लगभग 10% तक बढ़ाता है।
बैटरियों का प्रदर्शन, लागत और सुरक्षा ऐसे कारक हैं जो इलेक्ट्रिक वाहनों (ईवी) के सफल विकास को निर्धारित करते हैं। अब तक, लिथियम-आयन (ली-आयन) बैटरी को उनके चक्र जीवन और उचित ऊर्जा घनत्व के कारण अन्य बैटरियों पर पसंद किया जाता है। हालांकि, अगर ली-आयन बैटरी पर आगे शोध किया जाता है, तो यह अधिक जटिल बैटरी गतिशीलता को जन्म देगा, जहां सुरक्षा और दक्षता चिंता का विषय बन जाएगी। इसके कारण, वाहनों के विद्युतीकरण के लिए उन्नत बैटरी प्रबंधन प्रणाली जो सुरक्षा का अनुकूलन और निगरानी कर सकती है, महत्वपूर्ण है।
मशीन लर्निंग एल्गोरिदम को स्वास्थ्य की स्थिति, प्रभार की स्थिति और शेष उपयोगी जीवन की भविष्यवाणी करने के लिए लागू किया गया है। डेटा-संचालित मॉडल पर ध्यान केंद्रित किया गया है और इन्हें मशीन लर्निंग तकनीकों के साथ जोड़ा गया है। ये मॉडल अधिक शक्तिशाली प्रतीत होते हैं और कम कम्प्यूटेशनल लागत के साथ उच्च सटीकता प्राप्त करने के अलावा सिस्टम की प्राथमिक जानकारी के बिना भविष्यवाणी कर सकते हैं । डेटा भंडारण उपकरणों की कम लागत और कम्प्यूटेशनल प्रौद्योगिकियों की प्रगति के साथ, डेटा-संचालित मशीन लर्निंग भविष्य में उन्नत बैटरी मॉडलिंग के लिए सबसे आशाजनक दृष्टिकोण लगता है।
अध्ययन का उद्देश्य बैटरी उद्योग पर एक परिवर्तनकारी प्रभाव लाना है और इस बात पर प्रकाश डालना है कि कैसे मशीन सीखने से बैटरी के स्वास्थ्य और जीवन की सटीक भविष्यवाणी और सुधार हो सकता है । यह निर्माताओं को अपनी बैटरी उपकरणों में सीधे सॉफ्टवेयर को एम्बेड करने और उपभोक्ता के लिए अपने जीवन में सुधार करने की अनुमति देगा।