隨著時間的推移，鋰離子電池會逐漸失去動力，科學家和工程師們正努力研究這個過程的細節(jié)?，F(xiàn)在，美國能源部國家加速器實驗室的科學家已經(jīng)將復(fù)雜的機器學習算法與x射線斷層掃描數(shù)據(jù)結(jié)合起來，生成了一幅詳細的圖像，展示了電池的陰極是如何隨著電池使用而退化的。

        這項新研究發(fā)表在5月8日的《自然通訊》（Nature Communications）雜志上，研究的重點是如何更好地觀察鎳錳鈷（NMC）構(gòu)成的陰極中發(fā)生的情況。在這些陰極中，NMC顆粒由導(dǎo)電碳基體結(jié)合在一起，研究人員推測性能下降的一個原因可能是顆粒脫離了該基體。該團隊的目標是將斯坦福大學的斯坦福同步加速器輻射光源（SSRL）和歐洲同步加速器輻射設(shè)施（ESRF）的尖端能力結(jié)合起來，全面了解NMC顆粒是如何分裂并脫離母體的，以及這可能如何導(dǎo)致性能損失。

        當然，對人類來說，僅僅通過觀察NMC陰極的照片就能知道發(fā)生了什么，這是一項艱巨的任務(wù)。因此，研究小組轉(zhuǎn)向了計算機視覺，這是機器學習算法的一個分支，最初設(shè)計用來掃描圖像或視頻，識別和跟蹤像狗或汽車這樣的物體。

        即便如此，也存在挑戰(zhàn)。計算機視覺算法通常瞄準由亮線或暗線定義的邊界，因此它們很難區(qū)分粘在一起的幾個小的NMC顆粒和單個體型大但部分斷裂的NMC顆粒；在大多數(shù)計算機視覺系統(tǒng)中，這些裂縫看起來像是干凈的裂縫。

        為了解決該問題，團隊使用了一種算法來處理分層對象－例如，拼圖游戲，盡管它由許多單獨的部分組成，但我們?nèi)詫⑵湟暈橐粋€完整的實體。在研究人員自己的輸入和判斷下，他們訓(xùn)練了該算法來區(qū)分不同種類的粒子，從而繪制了三維圖，顯示了NMC粒子（無論大小，是否破裂）是如何脫離陰極。

        他們發(fā)現(xiàn)，至少在某些情況下，從碳基質(zhì)上脫落的顆粒確實會嚴重影響電池的性能，例如智能手機等。

        美國國家加速器實驗室研究人員劉益進（Yijin Liu）說，雖然大的NMC粒子更容易受到破壞和脫離，但也有相當多的小粒子脫離，總的來說，小粒子的行為方式會更多樣。劉說，這一點很重要，因為研究人員普遍認為，通過制造更小的電池顆粒，他們可以制造更持久的電池——新研究表明，這可能不是那么簡單。