AIを学習させ、EVバッテリーの劣化を予測！今後、耐久性向上が期待

最終更新日:2024/01/24

AIがEVバッテリーの劣化を予測

研究者は、AIを学習させることによってEVバッテリーの劣化を予測しました。また経年劣化を予測することによって、電池の耐久性が向上することが可能になります。

研究者は、AIを学習させることによってEVバッテリーの劣化を予測しました。またリチウムイオン電池の経年劣化を予測することによって、電池の耐久性が向上することが可能になります。

リチウムイオン電池は、電動モビリティ台頭において重要な要素です。しかし、現時点で電池の状態、寿命を予測することまでが技術的限界です。

リチウムイオン電池は、充電や放電の際に起こる「サイクルエージング」と呼ばれる経年劣化によって、時間とともに容量が低下してしまいます。また電池の保管時や使用しない時に起こる「カレンダーエージング」と呼ばれる劣化もあります。

電気自動車は、その大半を駐車場で過ごすことになるため、カレンダーエージングによるセルの容量劣化を予測することは非常に重要です。

以上の背景から、研究者は機械学習アルゴリズムを用い、バッテリーの劣化を正確に予測することに取り組んでいます。

EUの助成を受けた最近の研究では、市販のリチウムイオン電池の幅広い化学組成を対象に、アルゴリズムの精度を調査を行いました。

研究に以下の２つのアルゴリズムを使用しました。Extreme Gradient Boosting（XGBoost）、Artificial Neural Network（ANN）。

XGBoostは決定木ベースの機械学習アルゴリズムで、回帰や分類の問題で広く採用されています。また、ANNは人工適応システムで、グローバルな入力を予測される出力に変換します。

性能を評価するために、予測値と測定値の間の誤差の平均的な大きさを測定するMAPE指標を使用しました。MAPE値が小さいほど予測精度が高まります。

アルゴリズムのテストでは、XGBoostを使用することで、ほとんどの化学物質の暦年変化を、平均絶対誤差を大幅に縮小し、効果的に予測できることが示されました。一方、ANNは、セル化学物質にのみ効果的結果をもたらしました。

今後、研究成果を実用化するため、どのようなステップを踏む必要があるかが注目されます。

出典：TNW

AIsmiley編集部

株式会社アイスマイリーが運営するAIポータルメディア「AIsmiley」は、AIの専門家によるコンテンツ配信とプロダクト紹介を行うWebメディアです。AI資格を保有した編集部がDX推進の事例や人工知能ソリューションの活用方法、ニュース、トレンド情報を発信しています。

・Facebookでも発信しています
@AIsmiley.inc
・Xもフォローください
@AIsmiley_inc