美國科學家將復雜的機器學習算法與x射線斷層掃描數據結合起來，生成詳細圖像，展示了電池的陰極是如何隨著電池使用而退化的。

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。現在，美國能源部國家加速器實驗室的科學家已經將復雜的機器學習算法與x射線斷層掃描數據結合起來，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。

這項新研究發表在5月8日的《自然通訊》（NatureCommunications）雜志上，研究的重點是如何更好地觀察鎳錳鈷（NMC）構成的陰極中發生的情況。在這些陰極中，NMC顆粒由導電碳基體結合在一起，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施（ESRF）的尖端能力結合起來，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生了什么，這是一項艱巨的任務。因此，研究小組轉向了計算機視覺，這是機器學習算法的一個分支，最初設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。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；在大多數計算機視覺系統中，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，但我們仍將其視為一個完整的實體。在研究人員自己的輸入和判斷下，他們訓練了該算法來區分不同種類的粒子，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。

他們發現，至少在某些情況下，從碳基質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（YijinLiu）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。電池中國