是先发展后治理（lǐ），还是先治理后发（fā）展。这（zhè）是一（yī）个难（nán）倒大（dà）家的问（wèn）题（tí）。随着经济的发展，不可避免的环（huán）境污染（rǎn）也越（yuè）来越（yuè）严重，人们生活水平提高了，买私家车的也越来越多（duō），而排放尾气的增加也增速的环境污染（rǎn），现在国家大力（lì）退关电动汽（qì）车（chē），出台很多利好政策，但电动汽车的首要问题是离不开电池，电池的重要性如何？

电池性能（néng）可以决定电动汽（qì）车的使用体验（yàn），从行驶里程到充电（diàn）时间再（zài）到汽（qì）车（chē）的使（shǐ）用（yòng）寿命。现（xiàn）在（zài），人工智能已经（jīng）使像在（zài）加（jiā）油站给电动车充电这（zhè）样的（de）梦想更有可能成为现实，并可能有助（zhù）于改（gǎi）善（shàn）电池技（jì）术的其他（tā）方（fāng）面（miàn）。

几十年来，电（diàn）动汽车（chē）电（diàn）池的发（fā）展一直受（shòu）到一个主要瓶颈（jǐng）的限（xiàn）制:评估时间。在电池开发（fā）过程的每个（gè）阶（jiē）段，新技（jì）术都（dōu）必须经（jīng）过数月甚至（zhì）数年的测试（shì），才能确（què）定它们的（de）寿命。但是（shì）现在，由斯坦福大学教授斯（sī）特凡诺埃尔蒙和（hé）威（wēi）廉觉领（lǐng）导（dǎo）的一个团队开发了（le）一种基于机器学习的方（fāng）法，可以将（jiāng）这些测试（shì）时间减少98%。研究小组测试了他（tā）们的（de）电池充电速度的方法，他（tā）们说，该（gāi）方法可以应用（yòng）于（yú）电池开发管道的（de）许多其他部分（fèn），甚至非能源技术。

“在电（diàn）池测试（shì）中，你必须尝试大量的（de）东西（xī），因为你（nǐ）得到的性能会有很大的不同，”计（jì）算机科学助理（lǐ）教授埃尔（ěr）蒙说（shuō）。“有了人工智能，我们能（néng）够迅（xùn）速找出最有前途的方法，并省去许多不（bú）必（bì）要的实验。”

这（zhè）项研究发表在2月19日的《自然》杂志（zhì）上，是斯（sī）坦福大学、麻省理工学（xué）院和（hé）丰田研究院科学（xué）家之间更大规模合作的一部分。他们的（de）目标是:找（zhǎo）到在10分钟内为电动汽车电池充电的最（zuì）佳方法，使电池（chí）的（de）整体（tǐ）寿（shòu）命最（zuì）大化。研究人（rén）员编写了（le）一（yī）个程序（xù），根据几个充电周期预（yù）测电池对不（bú）同（tóng）充电方式的反应。该软件还可以实时决定（dìng）关注或忽略哪些收费方式。通（tōng）过缩短试验时（shí）间和次数（shù），研究人员将试（shì）验（yàn）时间（jiān）从近（jìn）两年（nián）缩短到16天。

彼得阿提亚是这项研究的联合负责人，当时（shí）他还是一名研究生。然而，真正令人兴奋（fèn）的是这种方法。我们可（kě）以把这种方法应用（yòng）到其他许多问题上，而这些问题目前正阻碍电池的发展达数月或数年之久。”

更智能的电池测试方法（fǎ）

设（shè）计超高速充电（diàn）电池是（shì）一个（gè）主要的挑（tiāo）战，主要是（shì）因为它很难持久。快速（sù）充电（diàn）的（de）强度会（huì）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（chéng）本的很（hěn）大一部分，为了防止电池组受损，电池工程师必须测试一（yī）系列详（xiáng）尽的（de）充电方法，以找到最有效（xiào）的（de）充电方（fāng）法。

新的研（yán）究试（shì）图优化这一过程。在一开始，团队就发现快（kuài）速充电的优化（huà）意味着（zhe）要（yào）进行（háng）很多的反复试验——这对人类（lèi）来说是低效（xiào）的，但对机器（qì）来说是毫（háo）无（wú）问题的。

“机（jī）器学习是一（yī）种反复尝试的过程，但它们（men）更聪明（míng），”参与领导这（zhè）项研究（jiū）的计算机（jī）科（kē）学研究生阿蒂（dì）亚格（gé）罗（luó）弗（fú）说。“在何时探索（suǒ）——尝试（shì）新的和不同的方法（fǎ）——以及何时开发(或瞄准)最有前途的方法（fǎ）方面（miàn），计算机（jī）比我们做得好得多。”

该团队（duì）在两个关键方面采用了机（jī）器学习。首先，他们（men）用机器学习（xí）来（lái）减少每次循环实（shí）验的（de）时间。在（zài）之前的一项研究中，研究人员（yuán）发现，他们（men）可以预测电池在第一（yī）次（cì）充电100次后的（de）续航时间。这是因为机（jī）器学习系统在（zài）接（jiē）受了几次电池（chí）循环失（shī）灵的训练后，可以从早期数据中（zhōng）发现（xiàn）预测（cè）电池寿命的模式。

第二，机器学习减少了（le）他们必须（xū）测试（shì）的方法的数量（liàng）。计（jì）算机从以往（wǎng）的经验中吸取（qǔ）教训（xùn），迅速找到最佳的协议进行测试，而不是（shì）对每一（yī）种可能的充电方法都进行（háng）同等的测试，或者（zhě）依靠（kào）直（zhí）觉。

通过在更少的周期内（nèi）测试更少的方法，研究团队（duì）很快找到（dào）了一种最优的超高速充电方案（àn）。埃尔（ěr）蒙（méng）说，除了显著加快测试过程之外，这台计算机的解决方（fāng）案也比电池科（kē）学家可能（néng）设计出的方（fāng）案更好，而（ér）且更不寻常。

埃尔蒙说:“它给我们带（dài）来了（le）一种（zhǒng）意想不（bú）到（dào）的简单充电协议。”该算法的解决（jué）方（fāng）案不（bú）是在充电（diàn）开始时以（yǐ）最（zuì）高电流充电，而（ér）是在充电过（guò）程中使用最（zuì）高电（diàn）流。“这就是人与（yǔ）机器（qì）的（de）区（qū）别（bié）:机（jī）器不受人类直觉的影响，虽然（rán）人类直觉是（shì）强大（dà）的，但有时会误导人（rén）。”

更广泛的（de）应用

研（yán）究人员表示（shì），他们（men）的方法可以加速电池开发的几（jǐ）乎每一个环节:从设计（jì）电池的（de）化学成（chéng）分，到确定电池的大小和形（xíng）状（zhuàng），再到寻（xún）找更好的制造和存储系统。这不（bú）仅（jǐn）会对电动汽车产生广（guǎng）泛影（yǐng）响，还会对其他（tā）类型的能源存储产生广泛影（yǐng）响，而（ér）这（zhè）是（shì）全球（qiú）范围转向风（fēng）能（néng）和太阳能的关键要求。

“这是一种进行电池开发的（de）新方法，”该研究的作（zuò）者之一、丰田研（yán）究院的科学家帕（pà）特里克赫林说。“你可以与学（xué）术界和工业界（jiè）的（de）许多人共享数据，并（bìng）自（zì）动（dòng）分析这些数据，这（zhè）将（jiāng）大大（dà）加快（kuài）创新的（de）速度（dù）。”

赫林补充说，这（zhè）项研（yán）究的机器学习和数据收集系统以后将供电池科学家免（miǎn）费使用。他说，通过使用这个（gè）系统来优化机器学习过程的其（qí）他（tā）部分，电池的发展——以及（jí）更新更好的技（jì）术的到来——可能会加快一（yī）个数量（liàng）级甚至更（gèng）多。

埃尔蒙说，这项研究方法（fǎ）的（de）潜力甚至超（chāo）出了电池领域。其他大数据测试问题，从药物开发到优化x射线和激光的性能（néng），也可以通过使用机（jī）器学（xué）习优化技术（shù）来实现（xiàn）。最终，他说（shuō）：”随着我们得到越来越好（hǎo）的算法（fǎ），我们希望整个科学发（fā）现过程能够大大加（jiā）快。”

未（wèi）来，电动汽车会越来越多，AI人工（gōng）智能（néng）的推动下，电（diàn）池（chí）会不断（duàn）改善，使用电动汽（qì）车（chē）的也会不断增加（jiā）。