Как искусственный интеллект помогает ускориться венчурным стартапам?
Сегодня не так просто найти сферу жизни, которую не затронули технологии искусственного интеллекта. От кинематографа до медицины: везде находится применение кибер-разуму. Одновременно ИИ играет роль катализатора в процессах развития других инновационных технологий.
Рассказываем, как пионер в области сверхбыстрой зарядки, компания StoreDot, в которую фонд Veligera Capital инвестировал летом 2021 года, экономит время и деньги при помощи ИИ. При этом благодаря прогнозированию сроков службы батареи с применением ИИ на ранних стадиях разработки, руководители проекта получают представление о вероятности успеха той или иной идеи, технологии или даже бизнес-модели.
StoreDot уже готовится к серийному производству аккумуляторов, которые обеспечивают электромобили запасом хода в 100 миль всего за 5 минут зарядки, и работает над тем, чтобы к 2028 году обеспечивать 100 миль за 3 минуты, и к 2032 году — за 2 минуты. Отличительной чертой технологии StoreDot является то, что она гарантирует автопроизводителям отсутствие деградации батареи даже после 1000 последовательных циклов экстремально быстрой зарядки (XFC) .
Эксперименты без конца и края
Чтобы доподлинно утверждать о цикловой долговечности батарей XFC, разработчикам требуется имитировать не менее 500 циклов работы элементов питания в электромобиле. С учётом времени зарядки, разрядки и отдыха, количество циклов обычно ограничивается примерно семнадцатью в день. На практике проводится до 200 экспериментов параллельно.
Тестовые процедуры с записью всех измерений каждую секунду с каждого из тысяч независимых каналов тестирования аккумуляторов генерируют огромное количество данных. Даже с запрограммированным, автоматизированным и облачным решением, позволяющим проводить все эти эксперименты каждую неделю, батареям всё равно потребуется много месяцев испытаний для имитации длительного срока службы.
Можно было бы использовать прогностические способности ИИ, чтобы смоделировать старение батарей. Однако такой метод ставится под сомнение, когда речь идёт об исследованиях и разработках литий-ионных аккумуляторов электромобилей, где ещё нет обширных наборов данных. Это в особенности справедливо при прогнозировании срока службы батареи и составляющих её элементов. Небольшие изменения химических и/или физических свойств анода, катода, электролита и даже сепаратора могут существенно повлиять на работу аккумулятора.
Было решено оставить реальные эксперименты, но для обработки получаемых результатов использовать ИИ. Такой шаг позволит существенно сократить число необходимых тестов.
Испытания искусственным интеллектом
Анализ результатов, полученных в результате сложного набора экспериментов, проведённых с различными химическими составами и конструкциями аккумуляторных элементов, очень похож на клинические испытания, проводимые на выборке пациентов. Это побудило исследовательскую группу StoreDot изучить возможность слияния мира химических батарей с концепцией и методологией, применяемой к клиническим испытаниям пациентов.
Используя платформу AI-for-AI от Evolution Intelligence, StoreDot построила и оптимизировала свои модели, которые показали, что графики и анализ выживаемости по методологии Каплана-Мейера (KM) идеально подходят для исследования, обучения и прогнозирования срока службы батареи. Это ускорило НИОКР, в частности прогнозирование срока службы и, что не менее важно, позволило изучать объяснимый алгоритм, определять его значимые маркеры и показатели.
В результате применения специального метода кластеризации исследователи StoreDot вычисляют живучесть каждой батареи и получают информацию о том, как увеличить срок её службы. Данные алгоритма используются для определения параметров конструкции элемента, производственных характеристик или конкретных временных измерений.
Таким образом, жизненный цикл можно спрогнозировать с 15-процентной погрешностью после выполнения всего 125 циклов вместо 500-1500. Разработчики могут получать значимые результаты, отсеивать неперспективные режимы и параметры системы со скоростью до 10 раз быстрее, чем без ИИ. Выше скорость — быстрее результат. Более того, алгоритм позволяет исследователям прервать любой эксперимент, не отвечающий поставленным задачам, и при этом добавлять характеристики успешного образца в базу данных для включения в будущие тесты.
Преимущества искусственного интеллекта и машинного обучения в процессе НИОКР оказываются неоспоримыми. ИИ позволяет исследователям оценивать влияние изменения более чем одной переменной за раз, ускоряя процесс точного определения жизненного цикла батареи.
Используя ИИ, чтобы прогнозировать срок службы батареи, такая высокотехнологичная компания как StoreDot, получает ещё одно преимущество — она предоставляет руководству и инвесторам инструмент для оценки жизнеспособности зарождающихся и ещё не опробованных технологий.