更智能的电池测试方法
设计超高速充电电池是一个主要的挑战，主要是因为它很难持久。快速充电的强度会给电池带来更大的压力，这通常会导致电池过早失效。电池组的成本占电动汽车总成本的很大一部分，为了防止电池组受损，电池工程师必须测试一系列详尽的充电方法，以找到最有效的充电方法。
新的研究试图优化这一过程。在一开始，团队就发现快速充电的优化意味着要进行很多的反复试验——这对人类来说是低效的，但对机器来说是毫无问题的。
“机器学习是一种反复尝试的过程，但它们更聪明，”参与领导这项研究的计算机科学研究生阿蒂亚格罗弗说。“在何时探索——尝试新的和不同的方法——以及何时开发(或瞄准)最有前途的方法方面，计算机比我们做得好得多。”
该团队在两个关键方面采用了机器学习。首先，他们用机器学习来减少每次循环实验的时间。在之前的一项研究中，研究人员发现，他们可以预测电池在第一次充电100次后的续航时间。这是因为机器学习系统在接受了几次电池循环失灵的训练后，可以从早期数据中发现预测电池寿命的模式。
第二，机器学习减少了他们必须测试的方法的数量。计算机从以往的经验中吸取教训，迅速找到最佳的协议进行测试，而不是对每一种可能的充电方法都进行同等的测试，或者依靠直觉。
通过在更少的周期内测试更少的方法，研究团队很快找到了一种最优的超高速充电方案。埃尔蒙说，除了显著加快测试过程之外，这台计算机的解决方案也比电池科学家可能设计出的方案更好，而且更不寻常。
埃尔蒙说:“它给我们带来了一种意想不到的简单充电协议。”该算法的解决方案不是在充电开始时以最高电流充电，而是在充电过程中使用最高电流。“这就是人与机器的区别:机器不受人类直觉的影响，虽然人类直觉是强大的，但有时会误导人。”

---