新能源大潮下,人工智能技術(shù)深入變革鋰電行業(yè)

AI缺陷檢測、智能巡檢、設(shè)備預(yù)測性維護(hù)等用例并非鋰電行業(yè)所獨(dú)有,而是已廣泛應(yīng)用于各類大規(guī)模制造業(yè)態(tài)。

本文來自微信公眾號“大數(shù)據(jù)分析和應(yīng)用”,作者/于澗。

目前,AI技術(shù)在鋰電BMS等系統(tǒng)中已有廣泛運(yùn)用,與鋰電制造的融合也已經(jīng)涌現(xiàn)出大量實(shí)踐和成功案例。

以全球鋰電業(yè)龍頭寧德時(shí)代為例,該公司所推崇的極限制造理念即追求鋰電制造效率、品質(zhì)、成本的極致優(yōu)化,這顯然涉及到AI技術(shù)的深度應(yīng)用。

公司方面人士也曾表示,計(jì)算機(jī)視覺、機(jī)器學(xué)習(xí)、云計(jì)算、大數(shù)據(jù)等人工智能技術(shù)是繼續(xù)提升極限制造體系的關(guān)鍵手段。

根據(jù)公開信息,在動力電池缺陷檢測這一場景中,寧王就通過與英特爾等技術(shù)供應(yīng)商深度合作,基于鋰電在線檢測場景量身打造了一套橫跨云-邊-端,融合計(jì)算機(jī)視覺、深度學(xué)習(xí)和機(jī)器學(xué)習(xí)技術(shù)的創(chuàng)新型電池缺陷檢測方案,構(gòu)建了全球最豐富的動力電池缺陷數(shù)據(jù)庫。

根據(jù)已有的預(yù)訓(xùn)練源模型進(jìn)行微調(diào)(fine-tuning),最終通過遷移學(xué)習(xí)得到的模型在精度上可以與采用大數(shù)據(jù)集從頭開始訓(xùn)練的模型相媲美,但計(jì)算資源開銷大幅精簡,并且達(dá)到了零漏檢及單工序400FPS以上的圖像處理速度。

當(dāng)然,AI缺陷檢測、智能巡檢、設(shè)備預(yù)測性維護(hù)等用例并非鋰電行業(yè)所獨(dú)有,而是已廣泛應(yīng)用于各類大規(guī)模制造業(yè)態(tài)。

在減少停機(jī)時(shí)間,提高產(chǎn)量與產(chǎn)品質(zhì)量上的價(jià)值得到普遍驗(yàn)證,技術(shù)與業(yè)務(wù)模式已較為成熟。

不過毋庸諱言,當(dāng)下的鋰電智能制造解決方案往往基于傳統(tǒng)的AI“小模型”技術(shù)和開發(fā)部署方法,并且應(yīng)用主要集中在電芯制造中后段環(huán)節(jié)。

隨著“最佳實(shí)踐”被廣泛效仿擴(kuò)散,其在降本增效上帶來的差異化價(jià)值無疑也在被稀釋。

相比同質(zhì)化產(chǎn)品上每瓦時(shí)以毛乃至分、厘為單位的制造成本內(nèi)卷,電池材料和器件設(shè)計(jì)的創(chuàng)新,無疑有著更為巨大的商業(yè)價(jià)值。

不過長期以來,電池新材料的研究往往因循著被戲稱為“炒菜嘗咸淡”的試錯(cuò)方法,新配方新工藝不僅受到有限幾大類成熟材料體系的牢固約束,且通常需要通過試制軟包、扣式電池進(jìn)行實(shí)際對比試驗(yàn)以確認(rèn)性能,不僅人力物力投入大、耗時(shí)長,更重要的是實(shí)際效果往往形同“抽卡”玄學(xué),因果聯(lián)系似是而非。

造成這一現(xiàn)象的原因在于,鋰離子電池屬于一種典型的復(fù)雜大系統(tǒng),呈現(xiàn)出多學(xué)科交叉融合,多尺度交互影響的特點(diǎn),例如材料的晶體結(jié)構(gòu)、固相反應(yīng)、電極電位研究,就涉及到固體物理、固體化學(xué)、電化學(xué)等多種基礎(chǔ)學(xué)科,電池充放電過程又會涉及到不同空間尺度、時(shí)間尺度和能量尺度下的理化反應(yīng),材料本征性質(zhì)與宏觀電學(xué)特性之間的構(gòu)效關(guān)系極其復(fù)雜,盡管隨著鋰電成為新能源風(fēng)口、新的研究成果與工程數(shù)據(jù)逐漸固化為產(chǎn)品,在電化學(xué)仿真等場景已經(jīng)涌現(xiàn)出一些極具價(jià)值的單點(diǎn)設(shè)計(jì)工具,不過電池全生命周期的材料表征與機(jī)理認(rèn)識仍有大量空白點(diǎn),經(jīng)驗(yàn)化的工程方法仍難以得到根本改觀,也與固態(tài)電池、鈉電池等新材料體系研發(fā)需求越來越不匹配。

然而隨著新一代人工智能技術(shù)的突破,這一局面正在發(fā)生深刻的變化,生成式AI已經(jīng)展現(xiàn)出堪稱顛覆性的發(fā)展?jié)摿Α?/p>

2023年末,谷歌旗下知名AI開發(fā)團(tuán)隊(duì)DeepMind推出了其面向泛材料領(lǐng)域研究的GNoME模型,根據(jù)該團(tuán)隊(duì)的聲明,新模型利用人類現(xiàn)有已知的全部48000種無機(jī)材料數(shù)據(jù)進(jìn)行訓(xùn)練,能夠生成全新的穩(wěn)定晶體結(jié)構(gòu)并預(yù)測其特性,最終預(yù)測出約38萬種新的具備高合成潛力晶體,DeepMind信心滿滿地表示,這預(yù)示著材料科學(xué)的新時(shí)代到來,人工智能和機(jī)器人將推動新型電池、超導(dǎo)體和催化劑的研究.

“相當(dāng)于材料科學(xué)領(lǐng)域的AlphaFold”,而眾所周知,大名鼎鼎的AlphaFold曾號稱甫一登場就終結(jié)了結(jié)構(gòu)生物學(xué)這門學(xué)科。

THEEND

最新評論(評論僅代表用戶觀點(diǎn))

更多
暫無評論