导读：本篇文章首席CTO笔记来给大家介绍有关人工智能电池怎么改善的相关内容，希望对大家有所帮助，一起来看看吧。
AI 改进半导体分层技术，赋能计算机芯片、电池制造
原子层沉积 (Atomic layer deposition，ALD) 是一种高度可控的薄膜合成工艺，可制造出只有一个原子厚的薄膜。广泛应用于计算机芯片、太阳能电池、锂电池等领域。很多企业常用 ALD 来制造半导体器件。ALD 的灵活性和多样性给确定工艺参数带来了重大挑战，但仍需要专家的直觉和耗时的反复试验来确定最佳工艺参数。
最近，来自美国能源部（DOE）阿贡国家实验室的研究人员 描述了多种基于 AI 的方法来自动优化 ALD 工艺。详细说明了每种方法的相对优势和劣势，以及可用于更有效、更经济地开发新流程的见解。
该研究以《用于优化原子层沉积的智能代理》「 Intelligent Agents for the Optimization of Atomic Layer Deposition 」为题发表在《 ACS Appl. Mater. Interfaces 》杂志上。
前沿，但也面临挑战
ALD是一种工艺，通过前驱体蒸气和基板表面之间的一系列自限反应，在基板上沉积原子厚度的均匀薄膜。ALD 可访问大量的元素和化合物目录，元素周期表中超过一半的元素在出现在ALD过程中。
ALD 擅长在复杂的 3D 表面上生长精确的纳米级薄膜，例如在硅晶片上形成图案的深而窄的沟槽，以制造当今的计算机芯片。 这促进了科学家为下一代半导体器件开发新的薄膜 ALD 材料。
然而，开发和优化这些新的 ALD 工艺是具有挑战性和劳动密集型的。研究人员必须考虑许多可以改变这一过程的不同因素，包括：分子前体之间的复杂化学反应；反应器设计、温度和压力；前驱体剂量和吹扫时间。
为了找到克服这些挑战的方法，阿贡科学家评估了 三种新型优化策略 ：(a)随机选择气体时间；(b) 基于高斯过程代理模型的贝叶斯优化 (BO)，以及 (c) 基于规则的专家系统方法，利用人类策略和物理直觉。值得注意的是， 后两种使用不同的 AI 方法，且以前从未应用于 ALD。
Table 1 列出了该研究的四种ALD 工艺模型：Al2O3 在 200 下使用三甲基铝 (TMA) 和 H2O，Al2O3 在 100 下使用 TMA 和 H2O，W 在 200 下使用六氟化钨 (WF6) 和乙硅烷 (Si2H6)，TiO2 使用钛 (IV) 异丙醇 (TTIP) 和 200 下的 H2O。
敏感性分析
在比较所有四种ALD工艺模型的三种优化策略之前， 了解关键超参数对成本函数和优化性能的影响非常重要。 可确保在平等的基础上比较优化策略。以在 200 下生产 Al2O3 薄膜为例，研究ALD 系统的效果。
专家系统方法对关键超参数的值很敏感。 首先，专家系统策略需要指定一组起始时间。尝试了多种分配初始时序的方法，包括使用统一时序（所有时序相同）和随机时序（时序在优化边界之间随机初始化）。 探索 发现统一的初步计时产生了可靠的性能。
此外， 专家系统优化策略对给定时序所采用的重复 ALD 周期数也很敏感。 相比之下， 贝叶斯优化策略对采用的重复次数相对不敏感。
优化策略比较
研究人员通过比较他们如何优化 ALD 中使用的两种前驱体的剂量和清洗时间来评估他们的三种策略。加药时间(dosage time）是指前体加入反应器的时间，而吹扫时间是指去除多余的前体和气态化学产品所需的时间。
目标： 找到可以在最短的时间内实现高且稳定的薄膜生长的条件。 科学家们还使用代表反应堆内 ALD 过程的模拟来判断他们收敛到理想时间集的速度策略。
将他们的优化方法与模拟系统联系起来，让他们能够根据优化算法生成的处理条件，在每个循环后实时测量薄膜的生长情况。
研究人员比较了四种 ALD 工艺的三种优化策略的性能。通过比较了 Al2O3 薄膜在 200 C 下0.1%和10%噪声水平下生长的优化策略性能。研究表明： 在这两个噪声水平上，贝叶斯优化的性能最好，其次是专家系统，然后是低测量噪声的随机策略，高测量噪声的反向策略。
除了考虑给定优化算法在接近一组最优 ALD 时序时的效率之外，实际考虑也很重要，例如 CVD 类型生长（如果选择了不适当的低吹扫时间），从而使反应器结垢，对 ALD 反应器安全可靠运行的影响。实验表明：专家系统方法完全避免了不受控制的生长，而随机优化策略则始终对产生过量CVD型增长的条件进行采样。贝叶斯优化方法在避免大增长率方面做得更好。
研究得出： （1)随机优化(RO)在其他两种策略的优化时间质量不确定性较大的情况下表现良好，导致处理空间 探索 过程中GPC值过高。（2）贝叶斯优化（BO）可靠，性能好，不需要超参数调优。然而，在早期和后期的循环中，BO受到GPC值过高的影响。(3) 专家系统优化 (ESO) 可靠且安全，但前驱体剂量次数过于保守。
一劳永逸 （Set it and forget it）
「所有这些算法都提供了一种更快地收敛到最佳组合的方法，你不必像今天通常那样花时间将样品放入反应器中、取出样品、进行测量等。相反，你拥有实时与反应堆连接的回路。」该研究的合著者、Argonne 首席材料科学家 Angel Yanguas-Gil 说。
这种设置还通过形成一个闭环系统使两种 AI 方法的过程自动化。
尽管存在一些弱点，但人工智能方法有效地确定了不同模拟 ALD 工艺的最佳剂量和清洗时间。 这使得这项研究成为第一批表明使用 AI 可以实时优化薄膜的研究。
研究人员表示： 在未来的工作中，除了改进现有的算法外，还希望将这些方法扩展到包括反应堆温度和前驱体分压。
「这是令人兴奋的，因为它开辟了使用这些类型的方法来快速优化实际 ALD 工艺的可能性，这一步骤可能会在未来开发新应用时为制造商节省宝贵的时间和金钱。」Jeff Elam 总结道。
报告：人工智能将大大加快电池开发速度，从而推动电动汽车的普及
根据《华尔街日报》的最新报告，人工智能（AI）可以帮助加快电动汽车电池的开发。
工程师在当前锂离子电池上寻求改进的领域肯定不缺。扩大范围，降低成本和缩短充电时间可以加快EV的采用速度，而且它们都依赖于更好的电池。
该报告称，许多电池开发涉及测试材料的不同组合，而AI可以使这种事情发生的时间更少。
这是因为计算机可以筛选大量数据和与身份相关的信息，而速度要比个人研究人员快得多。
引用的一个示例是一个IBM项目，该项目旨在开发一种不含镍和钴的快速充电电池。这涉及评估一组用于电池电解质的20,000种潜在化合物。该报告称，这通常需要五年时间，但要由AI在9天之内完成。
报告还说，人工智能还可以加速对实验电池的测试。常规方法涉及大量费时的充电和放电循环，但是可以训练算法以基于较少的数据量对电池性能进行预测。
松下能源技术中心总经理Kensuke Nakura告诉《华尔街日报》，因此，以前需要进行大约三年的测试，现在可以在六个月内完成。
人工智能是一个流行的科技行业流行语，但是在过去的一两年中，出现了许多声称使用人工智能来加速发展的公司。这表明这可能不仅仅是营销上的光彩。
GBatteries声称已经利用AI来实现更快的DC快速充电，而斯洛伐克电池初创公司InoBat则宣称AI将帮助其在2023年之前实现20％的量程提升。
大众汽车表示，人工智能和量子计算可以帮助规划包括电池内的新材料的路线图，而戴森则声称将使用人工智能工具来将其固态电池技术推向市场。
本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。
AI智能节电技术？
AI智能节电技术分为很多种。
长虹军工电池技术Specialty Battery是专注于手机省电的科技集合，使用了以下几大亮点技术：
◇一体式智能控电系统
采用最先进的电源管理芯片，系统调节信号处理、屏幕显示、键盘输入等各个工作模块的最佳工作电压和电流，是全方位进行结构性优化，有效降低能耗，特别在处理多项任务程序时，工作电流可以降到普通手机的一半。
◇适时变频节电技术
手机的各个工作模块根据不同时间采用不同处理方式，在信号好的时候，减少发射频率和次数，达到节电的目的。比如，在晚上屏幕不需要太亮也能看清楚，自动适时的降低屏幕亮度，达到省电的目的。
◇超精简切片运算程序
手机在芯片供应商和内部软件工程师团队的大力研发下，对上下层软件系统的各种运算，逐个进行了简化，大量减少了手机的运算量，降低主芯片的功耗，更延长了芯片的使用寿命。
◇Hi-P降阻电路优化设计
手机在设计的时候通过电路简化合并、缩短元器件与电源的距离来降低整个电路的电阻，特别是大屏幕的手机更加省电。
◇P-SAVING认证省电元器件
在研发人员的刻苦攻关下开发出了根据色彩变换工作电流的省电屏幕、摄像头等等。并且，所有元器件均必须经过P-Saving认证体系的严格认证和检测，方可采纳用于HONPhone智能手机。为此，长虹还耗资数百万新增了多种电流检测设备，所有耗电元器件入厂的第一道工序就是严格的电流检测。这些省电元器件功耗要比普通元器件降低10%到50%，同时，这些省电元器件成本要比普通元器件高出10%到50%不等。HONPhone虹金智能手机面向全球采集更加省电的元器件，宁愿一台手机贵100—200元，也要坚定不移走“节能省电”之路。
◇超高效节能充电器
手机除了本身需要省电以外，通过充电器来充电的省电空间更大。据专家试验数据表明，HONPhone智能手机的待机电流仅为0.9毫安，目前普通充电器的效率在63%左右，而长虹开发应用的节能充电器，充电效率提高到了78%，同时，手机电池充电完成后，通过芯片控制，充电自动结束，不会造成用电的浪费，更延长了充电器和手机电池的使用寿命。长虹快充节能充电器和五大省电技术的结合使HONPhone比普通手机至少节能近50%。
传统锂电池爆炸原因浅析，人工智能可以帮上什么忙
锂电池确实发生过爆炸的问题，主要是受到高温、过充或剧烈撞击等异常情况，也就是在锂电池的防护方面还有很多技术问题要解决，如果通过人工智能技术解决以上难题，将是个很好的应用。
结语：以上就是首席CTO笔记为大家整理的关于人工智能电池怎么改善的全部内容了，感谢您花时间阅读本站内容，希望对您有所帮助，更多关于人工智能电池怎么改善的相关内容别忘了在本站进行查找喔。