电池化学家利用新的计算模型，仅基于单周期实验数据，即可计算电池寿命。
美国能源部阿贡国家实验室（Argonne National Laboratory）的研究人员借助于机器学习，预测一系列不同电池化学成分的生命周期。该实验室收集一组代表六种不同电池化学成分的300个电池的实验数据。研究人员利用这些数据，可以精准确定不同电池的持续循环时间。
在机器学习算法中，研究人员训练一个计算机程序，基于一组初始数据做出推论。然后，利用从训练中学到的东西，对另一组数据做出决策。阿贡计算科学家Noah Paulson表示：“对用户来说，不论是哪种电池应用，如手机、电动汽车和电网存储，电池的寿命都具有重要意义。一块电池可能要经过数千次循环才会失效，这大概需要数年时间。通过这种方法，可以快速确定不同电池的性能。”
“目前，评估电池容量衰减的唯一方法是实际循环电池。”阿贡电化学专家Susan "Sue" Babinec补充说，“这样做的成本很高，而且需要很长时间。”
确定电池寿命的过程可能比较麻烦。据介绍，“现实情况是，电池不可能永远使用下去。其使用寿命取决于具体的使用方式，以及电池的设计和化学成分。目前为止，还没有一种很好的方法，可以测定电池能使用多长时间。”
此项研究的独特之处在于，受益于阿贡对各种电池正极材料所做的大量实验工作，尤其是阿贡获得专利的镍锰钴（NMC）基正极。Paulson表示：“这些代表不同化学成分的电池，会以不同的方式降解和失效。这项研究的价值在于，提供了反映不同电池性能的信号。”
Paulson表示，对这一领域进行深入研究，对锂离子电池的未来发展具有指导意义。“阿贡所能做的事情之一是，通过已知化学成分训练算法，并对未知化学成分做出预测。从本质上说，该算法有助于找到新的、改进的化学物质，从而延长电池寿命。”
研究人员认为，这种机器学习算法可以加速电池材料的开发和测试。
