據外媒報道，從整合間歇性能源和需求，到交通運輸部門通過電動汽車（EV）、火車和船舶解鎖無碳電力，再到先進的電子和機器人應用，電池在各種應用中變得日益重要。但電池存在一個重大問題，即其性能會隨工作條件快速退化。而評估電池的當前健康狀態非常困難，不僅要中斷電池工作，并且要專用設備才能完成較長的充放電過程。

英國愛丁堡赫瑞-瓦特大學（Heriot-WattUniversity）智能系統小組（SmartSystemsGroup）的研究人員和美國馬里蘭大學（UniversityofMaryland）計算機輔助壽命周期工程中心（CALCE）的研究人員共同開發出一種全新方法，可通過向人工智能（AI）算法供應原始電池電壓和當前運行數據來估算電池健康狀態，無需考慮工作環境及電池設計或化學性能。

AI框架設計DariusRoman博士表示：目前，電池退化數據驅動模型的開發取決于進行更快推理的算法的發展。盡管研究人員通常在模型或算法開發上花費大量時間，但很少有人會花時間理解算法應用的工程環境。相較之下，此次研究是從頭開始。首先，馬里蘭大學CALCE小組內部進行了電池退化測試，我們通過和其合作了解電池退化。之后又利用數據設計可抓取電池退化信息的功能，隨后選出最重要的功能，最終部署該AI技術評估電池健康狀況。

此外，研究人員發現，當前用于電池健康狀況評估的數據驅動模型并未考慮模型置信度。而模型置信度關于決策理解AI模型如何得出特定結論以及該模型是否可以信任至關重要。在此項工作中，提出的AI模型能夠量化其預測中的不確定性，以更好地支持運營決策。所開發的框架將根據新的化學性質進行擴展，包括即將推出的新型固態電池、電池設計和工作條件，并且有可能解鎖電池使用的新策略。

智能系統小組的ValentinRobu表示：從機器人到可再生能源集成等應用，電池越來越重要，但對電池健康狀態進行準確、高可信度評估卻很難。例如，對遠程環境（如深海海底監控）中工作的機器人而言，確保其電池的健康狀況至關重要。同理，關于項目經濟可行性而言，準確評估能源應用中的電池剩余使用壽命也非常重要。