从行驶距离到充电时间再到车辆的使用寿命，电池性能都会影响电动车的体验。现在，人工智能让梦想成真，比如在加油站停车时给电动汽车充电，这将成为现实，可以帮助改善电池技术的其他方面。

几十年来，电动汽车电池的发展一直受限于主要瓶颈：评价时间。在电池开发过程的每个阶段，新技术都必须经过数月甚至数年的测试，以确定它们能持续多久。然而现在，由斯坦福大学教授Stefano Ermon和William Chueh领导的团队开发了一种基于机器学习的方法，将测试时间缩短了98%。尽管该团队根据电池充电速度测试了他们的方法，但他们表示，这种方法可以应用于电池开发过程的许多其他部分，甚至是非能源技术。

“在电池测试中，你必须尝试很多东西，因为获得的性能会有很大的不同，”计算机科学助理教授Ermon说。“借助AI，我们可以快速找到最有前途的方法，并消除许多不必要的实验。”

这项由《自然》杂志于2月19日发布的研究是斯坦福大学、麻省理工学院和丰田研究所科学家之间更大规模合作的一部分，该合作将基础学术研究与现实世界的工业应用联系起来。目的：寻找电动车电池10分钟内充电的最佳方式，最大限度地延长电池的整体寿命。研究人员已经编写了一个程序，可以仅根据几个充电周期来预测电池对不同充电模式的反应。该软件还可以实时确定关注或忽略哪些计费方法。通过减少实验的时间和次数，研究人员将测试过程从近两年缩短到16天。

彼得阿提亚说：“我们已经想出了如何大大加快超快充电的测试过程。”“然而，真正令人兴奋的是这种方法。我们可以将这种方法应用于目前困扰电池开发数月或数年的许多其他问题。”

更智能的电池测试方法

设计超快充电电池是一个重大挑战，主要是因为很难让它们一直使用。更快的充电强度会让电池承受更大的压力，这通常会导致电池过早失效。为了防止构成电动汽车总成本很大一部分的电池组被损坏，电池工程师必须测试一系列详细的充电方法，以找到最有效的充电方法。

新的研究试图优化这一过程。从一开始，该团队就发现快速充电优化相当于多次试错测试——对人类来说效率低下，但对机器来说却是一个完美的问题。

共同领导这项研究的计算机科学研究生阿迪雅格罗弗(Aditya Grover)说：“机器学习是一种反复试验，但以一种更明智的方式。”“在决定何时探索(尝试新的和不同的方法)以及何时开发或零投资于最有前途的方法方面，计算机比我们强得多。”