据外媒报道，美国劳伦斯伯克利实验室的一台X射线仪器为一项电池研究做出了贡献，该研究采用了机器学习的创新方法，以加快对缩短快速充电锂电池寿命的过程的学习曲线。研究人员利用伯克利实验室的先进光源，一个同步辐射器，为几十个同时进行的实验产生从红外线到X射线的光线，在一个被称为COSMIC的最先进的ALS光束线上执行一种被称为扫描透射X射线显微镜(STXM)的化学成像技术。

研究人员还在另一个同步辐射器--SLAC的斯坦福同步辐射光源--上采用了 "原位 "X射线衍射法，试图重现电池中存在的条件，并另外提供了一个多粒子电池模型。所有三种形式的数据都以一种格式结合起来，以帮助机器学习算法学习电池中的物理学。

虽然典型的机器学习算法寻找与训练图像集匹配或不匹配的图像，但在这项研究中，研究人员应用了来自实验和其他来源的更深入的数据集，以实现更精细的结果。研究人员指出，这代表了这种品牌的 “科学机器学习 ”首次被应用于电池循环。该研究最近发表在《自然材料》上。

这项研究得益于COSMIC光束线的一种能力，即通过COSMIC的高速、高分辨率成像能力，将大约100个单独的粒子的化学状态分离出来。参与这项研究的ALS的研究科学家Young-Sang Yu指出，在循环过程中，每个被选中的粒子在大约50个不同的能量步骤中被成像，总共有5000张图像。

来自ALS实验和其他实验的数据与来自快速充电数学模型的数据、以及关于快速充电的化学和物理信息相结合，然后纳入机器学习算法。

这项研究的共同作者、斯坦福大学博士后研究员Stephen Dongmin Kang表示：“我们没有像之前的两项研究那样，让计算机通过简单地给它提供数据直接找出模型，而是教计算机如何选择或学习正确的方程式，从而选择正确的物理学。”

丰田研究所的高级研究科学家Patrick Herring说：“通过了解电池内发生的基本反应，我们可以延长其寿命，实现更快的充电，并最终设计出更好的电池材料，丰田研究所通过其加速材料设计和发现计划支持这项工作。”