科学家开采出一种机器学习步调，不错大幅削减当代全国日益依赖的新式锂离子电板开采所需的资本和动力耗尽。
预测新电板贪图的使用寿命偏激工程应用是行业的主要瓶颈。通过反复充放电直至接近报废阈值来对原型进行强力测试可能需要数月甚而数年时间，耗尽大批电力，资本宽阔。
{jz:field.toptypename/}一项有计划忖度，若是开采历程不作念任何转变，从2023年到2040年，面前和将来的锂电板贪图可能需要耗尽130，000吉瓦时的动力。这约莫格外于加州年发电量的一半(278，338吉瓦时)。
本周发表在《当然》科学杂志上的有计划描写了一种用于电板开采的新机器学习步调，作家宣称与传统步调比较，该步调可从简98%的时间和95%的资本。
康涅狄格大学副培育胡超在配套著作中默示，这理会了"科罚电板开采要道瓶颈的宽阔后劲"。
密歇根大学博士后有计划员张佳伟偏激团队开采的这一历程结合了迭代元素，以减少作念出准确预测所需的数据量。
这个被称为"发现学习"的框架设立在2019年一项有计划的基础上，该有计划标明哄骗原型电板测试早期数据的机器学习模子不错用来预测电板寿命，在测试集上的平均过错小于15%，被合计是高度准确的。
张佳伟偏激共事将早期步调理会为三个不同的构成部分。学习器模块给与可能提供有效数据以普及预测精度的新贪图原型。在对这些原型进行早期测试后，讲授器模块使用物理属性模子来分析这些数据以及现存电板的历史全寿命数据。临了，预言器模块使用该输出来预测新测试原型的寿命。要道是，这些信息随后被反映到学习器模块中，用于给与下一组要进行物理测试的原型。
胡超说："发现学习模子的一个要道翻新是它使用预言器预测的寿命来更新自己，而不是使用实践测量的寿命，j9game幸免了耗时的全寿命电板测试的需要。"
然则，他指出，当新电板贪图与用于提供锤真金不怕火数据的现存电板有很大各别时，发现学习框架的推崇何如仍不明晰。
"更粗鄙地说，在该框架大约被深广吸收之前，还需要进一步考证，以了解它在骨子条款下使用的电板(举例在变暖热不同电负荷下)中的推崇何如，"胡超说。
尽管如斯，接头到当今各人电动汽车、札记本电脑和其他多样应用的电板价值达1200亿好意思元，展望到2030年将增长到近5000亿好意思元，即使在开采资本上的轻捷从简也能产生影响。
Q&A
Q1：发现学习框架是什么？它何如职责？
A：发现学习框架是由密歇根大学有计划团队开采的机器学习步调，分为三个模块：学习器模块给与有效的新贪图原型，讲授器模块分析测试数据和历史数据，预言器模块预测电板寿命。要道是信息会反映到学习器模块给与下一组测试原型。
Q2：这种步调能从简若干开采资本和时间？
A：字据有计划作家宣称，与传统步调比较，发现学习框架不错从简98%的时间和95%的资本。传统的电板测试需要数月甚而数年时间，耗尽大批电力，而这种步调通过机器学习预测大大减少了物理测试需求。
Q3：发现学习框架当今还有什么局限性？
A：主要局限性包括：当新电板贪图与锤真金不怕火数据中的电板各别很大时，框架推崇何如尚不明晰；还需要进一步考证在骨子条款下(如变暖热不同电负荷)的推崇；需要更多考证材干深广吸收。