几十年来，电池健康一直是最未被讨论的话题，但最近电动汽车的激增促使汽车制造商更详细地探索这个话题。通过考虑这些细节，剑桥大学的研究人员最近实现了一个里程碑，开发了一种用于电动汽车的机器学习算法。该算法主要针对电动汽车中使用的电池设计，可以为汽车制造商、司机和企业提供有关电池健康状况的足够信息。它还会推荐最好的旅行路线高效利用电池。这项研究的结果已发表在该杂志上自然通讯。
这种非侵入性的方式最终将增加电池的运行时间和健康状况。需要记住的是，这些结果必须被纳入机器学习算法中，基于这些结果，算法将指导司机在不影响电池健康的情况下选择尽可能快或最短的路线。第一作者，来自剑桥卡文迪什实验室的佩内洛普·琼斯说:“电池健康，就像人类健康一样，是一个多维度的事情，它可以以许多不同的方式退化。大多数监测电池健康状况的方法都假设电池总是以相同的方式使用。但这并不是我们在现实生活中使用电池的方式。如果我在手机上播放电视节目，它会比我用手机发消息快得多。电动汽车也是如此——你开车的方式会影响电池的老化程度。”
另一方面，李alpha博士该研究的主要作者说:“我们大多数人会在电池退化到无法使用之前就更换手机，但对于汽车来说，电池需要续航5年、10年或更长时间。随着时间的推移，电池容量会发生巨大变化，所以我们想要找到一种更好的方法来检查电池的健康状况。”然而，这种非侵入性技术使用电信号，电信号将从电池传输到机器学习算法中。
一旦电脉冲进入算法，它就会立即显示关于下一个放电周期的结果，以及汽车在路上时的速度应该有多快。不仅如此，研究结果还显示了电池下一次充电需要多长时间。值得注意的是，锂钴氧化物电池仅用于研究，因为它们也是目前电动汽车电池的主要成分。
正如Lee所说，“这种方法可以在供应链的许多部分释放价值，无论你是制造商、最终用户还是回收商，因为它允许我们捕捉电池的健康状况，而不仅仅是一个数字，而且因为它是可预测的。它可以减少开发新型电池所需的时间，因为我们将能够预测它们在不同的操作条件下会如何退化。”他进一步表示:“我们开发的框架可以帮助公司优化他们的车辆使用方式，以提高车队的整体电池寿命。像这样的框架有很大的潜力。”
Jones表示:“这是一个令人兴奋的框架，因为它可以解决当今电池领域的许多挑战。现在是参与电池研究领域的大好时机，电池研究对于通过摆脱化石燃料来帮助应对气候变化非常重要。”
