美国国家材料科学研究所（NIMS）和软银公司（SoftBank Corp）通过对电池性能数据应用机器学习方法，联合开发了一种能够预测高能量密度锂金属电池循环寿命的模型。 这项研究成果发表在 Advanced Science 杂志上。
事实证明，该模型能够通过分析电池的充电、放电和电压弛豫过程数据，准确估算电池的寿命，而无需依赖任何有关特定电池退化机制的假设。 该技术有望在提高锂金属电池供电设备的安全性和可靠性方面发挥作用。 锂金属电池具有实现单位质量能量密度高于目前使用的锂离子电池的潜力。 因此，人们对其在无人机、电动汽车和家用蓄电系统等多种技术中的应用寄予厚望。 2018 年，NIMS 与软银成立了 NIMS-软银先进技术开发中心。 此后，他们共同开展了用于手机基站、物联网和高空平台站（HAPS）等各种系统的高能量密度可充电电池的研究。 此前曾有报道称，一种锂金属电池的能量密度高于 300 Wh/kg，使用寿命超过 200 次充放电循环。 要将这样的高性能锂金属电池投入实际使用，同时确保其安全性，就需要开发能够准确估算这些电池循环寿命的技术。
然而，与传统锂离子电池相比，锂金属电池的降解机制更为复杂，而且尚未被完全理解，因此开发能够预测锂金属电池循环寿命的模型是一项巨大的挑战。 该研究团队利用之前开发的先进电池制造技术，制造了大量高能量密度锂金属电池芯，每个电池芯都由锂金属阳极和富镍阴极组成。 最后，研究小组通过对充放电数据应用机器学习方法，建立了一个能够预测锂金属电池循环寿命的模型。 事实证明，该模型能够通过分析充电、放电和电压松弛过程数据进行准确预测，而无需依赖任何有关特定电池降解机制的假设。 研究小组打算进一步提高该模型的循环寿命预测准确性，并利用该模型开发新的锂金属负极材料，从而加快高能量密度锂金属电池的实际应用。
原文链接：: Qianli Si et al, Data‐Driven Cycle Life Prediction of Lithium Metal‐Based Rechargeable Battery Based on Discharge/Charge Capacity and Relaxation Features, Advanced Science (2024). DOI: 10.1002/advs.202402608
