Η Τεχνητή Νοημοσύνη επιστρατεύεται στην καταπολέμηση της υπερθέρμανσης των μπαταριών των ηλεκτρικών αυτοκινήτων και αυτός είναι ένας τομέας στον οποίο μπορεί να τα πάει πολύ καλύτερα από τον άνθρωπο.
Οι εταιρείες τεχνολογίας επιταχύνουν τις διαδικασίες ανίχνευσης ελαττωμάτων στις κυψέλες μπαταριών ηλεκτρικών οχημάτων που μπορεί να προκαλέσουν φωτιές και άλλα προβλήματα, χρησιμοποιώντας εργαλεία τεχνητής νοημοσύνης (AI).
Τα μοντέλα AI εκπαιδεύονται για να αξιολογούν γρήγορα τι είναι φυσιολογικό σε μια κυψέλη και τι όχι, επιταχύνοντας σημαντικά τους ελέγχους ποιότητας. “Η τεχνητή νοημοσύνη έχει να κάνει με την κλίμακα: Όσο περισσότερο τη χρησιμοποιούμε, τόσο καλύτερα τα αποτελέσματα”, δήλωσε ο Peter Kostka, διευθυντής λύσεων μπαταριών της PDF Solutions, στην έκθεση The Battery Show στο Ντιτρόιτ.
Η PDF Solutions εκπαιδεύει το μοντέλο AI της να κατανοεί τις δομές των μπαταριών. “Αν το μοντέλο μας μάθει, ‘Αυτά είναι τα πράγματα που πρέπει γενικά να βλέπω’, τότε το ίδιο μοντέλο μπορεί να εφαρμοστεί σε διαφορετικές γραμμές παραγωγής, προσφέροντας αυτή την οικονομία κλίμακας”, εξηγεί.
Η UnitX χρησιμοποιεί επίσης AI για να βελτιώσει τη διαδικασία εντοπισμού ελαττωμάτων. Η 3D τεχνολογία της μπορεί να ανιχνεύει λεπτές ανωμαλίες με υψηλές ταχύτητες, ενώ ανιχνεύει μεγαλύτερο βάθος από την 2D απεικόνιση, σύμφωνα με τον CEO της, Keven Wang, στην ίδια έκθεση.
Σε μια μελέτη περίπτωσης της UnitX, οι ανθρώπινοι χειριστές εξέταζαν μία κυψέλη κάθε πέντε λεπτά, ενώ το εργαλείο AI σκάναρε μία κυψέλη κάθε 3,5 δευτερόλεπτα.
Βάσει αυτής της μελέτης, το εργοστάσιο θα μπορούσε να επανατοποθετήσει τρεις επιθεωρητές χάρη στο εργαλείο AI, δήλωσε ο Wang. “Χρειάζεται να δει τα ελαττώματα που έχει δει στο παρελθόν, αλλά θα εκπλαγείτε από το πόσο καλό είναι και πόσα λίγα δείγματα χρειάζεται για να εκπαιδευτεί”, ανέφερε.
Οι εταιρείες μπαταριών χρησιμοποιούν τη μηχανική μάθηση εδώ και χρόνια, αλλά μεγάλο μέρος της βιομηχανίας δεν έχει ακόμη αγκαλιάσει την τεχνητή νοημοσύνη, δήλωσε ο Richard Ahlfeld, CEO της Monolith, μιας εταιρείας λογισμικού AI.
Η τεχνολογία μπορεί να μειώσει τον χρόνο δοκιμών των μπαταριών στο μισό. “Η κούρσα για τα EV έχει γίνει πιο έντονη”, δήλωσε. “Ο κόσμος πλέον σκέφτεται, “Τι άλλο μπορούμε να κάνουμε για να επιταχύνουμε τη διαδικασία;” και αυτό είναι ένα εργαλείο που έχει αποδείξει ότι μπορεί να επιταχύνει σημαντικά την ανάπτυξη”.
Η Nio Europe ανακοίνωσε τον Σεπτέμβριο ότι θα χρησιμοποιήσει την τεχνολογία της Monolith για να δημιουργήσει ένα κοινό μοντέλο μηχανικής μάθησης που θα συγκρίνει τα δεδομένα οχημάτων στον δρόμο με τα δεδομένα των δοκιμών σε πάγκο. Επίσης, θα μειώσει τον χρόνο για τον καθαρισμό, την ανασύνθεση, την ανάλυση και την ανίχνευση ανωμαλιών στα δεδομένα μπαταριών.
Οι εταιρείες αρχίζουν να χρησιμοποιούν την τεχνητή νοημοσύνη για να προβλέψουν και να βελτιστοποιήσουν την υγεία της μπαταρίας μέσω των συστημάτων διαχείρισης μπαταρίας των οχημάτων, να καθαρίζουν και να ανασυνθέτουν δεδομένα μέσω εργαλείων όπως το ChatGPT, και να χαρτογραφούν μόρια για να ανακαλύψουν υλικά νέας γενιάς.
Η γνώση της κατάστασης υγείας μπορεί να βοηθήσει τους οδηγούς να βελτιστοποιήσουν τη φόρτιση και να επεκτείνουν δυνητικά τη διάρκεια ζωής της μπαταρίας κατά 10 έως 20 τοις εκατό, δήλωσε ο Ahlfeld.
Η SES AI εργάζεται σε μοντέλα AI για να χαρτογραφήσει περισσότερα μόρια από όσα μπορούν οι άνθρωποι, δήλωσε ο CEO Qichao Hu. Τα μοντέλα μπορούν να γίνουν εξίσου έξυπνα ή και πιο έξυπνα από κορυφαίους χημικούς, ανέφερε. Η SES AI πιστεύει ότι η χαρτογράφηση αυτή θα επιταχύνει την ανακάλυψη υλικών για την επίλυση οποιουδήποτε προβλήματος μπαταρίας για EV, ηλεκτρονικά, αποθήκευση ενέργειας και άλλες εφαρμογές.
Ωστόσο, οι επιστήμονες εξακολουθούν να παίζουν καθοριστικό ρόλο στη λειτουργικότητα της βάσης δεδομένων. “Οι ανθρώπινοι επιστήμονες πρέπει να συνθέσουν το μοντέλο, να χρησιμοποιήσουν και να δοκιμάσουν τις μπαταρίες. Είναι σαν η ιδέα να δημιουργείται από το μοντέλο, αλλά η επαλήθευση της ιδέας γίνεται ακόμη από τους ανθρώπους”, πρόσθεσε.
Η ανάπτυξη νέων χημικών ενώσεων είναι η πιο συναρπαστική προοπτική για την τεχνητή νοημοσύνη στον τομέα των μπαταριών, δήλωσε ο Patrick Hertzke, συνεργάτης του McKinsey & Co.’s Center for Future Mobility.
Αρκετές εταιρείες κάνουν δοκιμές για να βελτιώσουν τις μπαταρίες. “Είναι σαν να φτιάχνεις ένα εμβόλιο ή ένα φαρμακευτικό προϊόν. Δεν είναι εύκολο και δεν είναι γραμμικό”, δήλωσε. “Αλλά βάσει των επιτευγμάτων στον φαρμακευτικό τομέα, θα πρέπει να είμαστε εξίσου ενθουσιασμένοι για τη δυνατότητα βελτίωσης της χημείας στις μπαταρίες”.
Αυτή η προοπτική μπορεί να είναι ακόμη μακριά, όπως αναφέρουν οι εταιρείες τεχνολογίας μπαταριών. “Η κατασκευή μπαταριών είναι περισσότερο τέχνη παρά επιστήμη”, δήλωσε ο Manan Pathak, CEO της BattGenie. “Είναι εξαιρετικά δύσκολο να υπάρχει μια ολοκληρωμένη διαδικασία κατασκευής που να μπορεί να παράγει πραγματικά καλές, αναπαραγώγιμες κυψέλες με πολύ χαμηλά ποσοστά σφαλμάτων”.
Ακόμη και για τον εντοπισμό ελαττωμάτων, τα μοντέλα AI χρειάζονται ανθρώπινη εκπαίδευση, σημείωσε ο Wang. “Η τεχνητή νοημοσύνη είναι μια άλλη μορφή αλγορίθμου”, τόνισε. “Δεν είναι πανάκεια, δεν είναι μαγεία. Είναι πολύ καλή στην πρόβλεψη πραγμάτων”.
πηγή: www.topgeargreece.gr
