燃料動力電池可由風能和太陽能出現的清潔氫燃料來出現熱量和電能，同時智能手機、筆記本電腦和電動汽車中的鋰離子電池也是一種很受歡迎的能源存儲方式。兩者的性能都與它們的微觀結構密切相關：電極內部的小孔的形狀和排列方式會影響燃料動力電池出現的能量，以及電池充放電速度。

然而，由于微米級的孔非常小，因此很難在足夠高的分辨率下研究其特定的形狀和大小，從而將其與電池的整體性能聯系起來。

日前，帝國理工學院的研究人員利用機器學習技術來幫助他們虛擬地探索這些孔洞，并運行3D模擬來根據電池的微觀結構預測電池的性能。

研究人員使用了一種名為“深度卷積生成對抗網絡”（DC－GANs）的新型機器學習技術。該算法可以通過學習，然后生成基于納米尺度成像同步加速器（一種足球場大小的粒子加速器）的訓練數據的微觀結構的三維圖像數據。

帝國理工學院地球科學與工程系的AndreaGayon－Lombardo是該研究的第一作者，他說：“我們的技術幫助我們聚焦電池和電池，去看看什么特性會影響整體性能。開發這樣的基于圖像的機器學習技術有望能夠找到同等規模分析圖像的新方法。”

當運行3D模擬來預測電池性能時，研究人員要足夠大的數據量才能在統計學上代表所有電池。目前很難以所需的分辨率獲得大量的微結構圖像數據。不過研究人員發現他們可以通過訓練代碼來生成具有相同屬性的更大的數據集，或者有意地生成模型所建議的能夠出現性能更好的電池的結構。

帝國理工學院戴森設計工程學院的項目主管薩姆·庫珀博士說：“我們的發現將幫助能源界的研究人員設計和制造經過優化的電極，以提高電池的性能。關于儲能和機器學習行業人士來說，這是一個令人興奮的時刻，因此我們很高興探索這兩個學科的接口。”