密歇根大学（University of Michigan）的研究人员表示，采用简化的方法，测试新型电动汽车电池设计的寿命可能快四倍。
他们的优化框架可以大大降低评估电池配置在长时间内的性能的成本。
“目标是设计更好的电池，传统上，业界一直试图通过试错测试来做到这一点，”密歇根大学机械工程教授、框架背后研究团队负责人魏璐（WeiLu）表示，该研究团队发表在《模式》（Patterns）上。“评估需要很长时间。”
随着电动汽车（EV）电池制造商努力解决里程焦虑和充电可用性问题，Lu团队开发的优化系统可以将新电池和更好电池的模拟和物理测试时间缩短约75%。这一速度将大大推动电池开发商寻找合适的材料和配置组合，以确保消费者始终有足够的容量到达目的地。
电池设计中涉及的参数包括从所用材料到电极厚度，再到电极中粒子的大小等等。测试每个配置通常意味着几个月的完全充电，然后完全放电鈥攐r循环电池鈥?,000次来模拟十年的使用。通过大量可能的电池设计重复此测试以发现更好的电池设计非常耗时。
“我们的方法不仅减少了测试时间，而且自动生成了更好的设计，”Lu说。“我们使用早期反馈来丢弃毫无希望的电池配置，而不是将其循环使用到最后。这不是一项简单的任务，因为电池配置在早期循环中表现平平，以后可能会很好，反之亦然。
“我们系统地制定了早期停止过程，并使系统能够从累积的数据中学习，以产生新的有希望的配置。”
为了大幅度减少时间和成本，密歇根大学的工程师们利用最新的机器学习技术创建了一个系统，该系统既知道何时退出，也知道如何改进。
该框架使用称为异步连续减半算法和Hyperband的数学技术，停止了没有良好开端的循环测试，以节省资源。同时，它从以前的测试中获得数据，并建议使用Parzen树估计来研究新的有希望的参数集。
除了中断缺乏承诺的测试之外，U-M系统中一个关键的省时元素是它生成多个电池配置以同时测试的方式，称为异步并行化。如果任何配置完成测试或被丢弃，该算法会立即计算出要测试的新配置，而无需等待其他测试的结果。
U-M的框架可以有效地测试所有类型的电池设计，从几十年来用来运行内燃机汽车的电池，到为手表和手机供电的小型产品。但电动汽车电池可能是这项技术最迫切的用途。
密歇根大学机械工程博士生、论文第一作者邓昌宇（ChangyuDeng）表示：“当加入性能预测模型时，该框架可以调整为更有效。”。“我们希望这项工作能够激发改进方法的灵感，使我们找到最佳的电池，以制造更好的电动汽车和其他改善生活的设备。”
移动消费者指数（Mobility Consumer Index）最近进行的一项调查显示，52%的消费者正在考虑购买电动汽车，以备下次购买。尽管态度不断变化，但人们仍然对车辆行驶里程（蓄电池容量）和驾驶员可用充电站的数量感到担忧。
因此，作为抵消气候变化影响的一种手段，电池性能在将电动汽车推向大众方面起着核心作用。
“通过显著缩短测试时间，我们希望我们的系统能够帮助加快更好电池的开发，加快各种应用电池的采用或认证，并加快电池管理系统模型参数的量化，”Lu说。