Naukowcy zaproponowali nową metodę do szybkiego modelowania degradacji baterii litowo-jonowych, łącząc autoenkodera wariacyjny (VAE) z procesami Gaussowskimi (GP). Zamiast prowadzić czasochłonne symulacje fizyczne przy każdej zmianie warunków ładowania, ich podejście najpierw koduje dane degradacji z symulacji DFN/P2D w PyBaMM do kompaktowej dwuwymiarowej przestrzeni latentnej, gdzie trajektorie układają się według postępu cyklu i protokołu ładowania.
Klucz do pomysłu tkwi w połączeniu obu technik: VAE zmienia surowe dane napięcia i pochodnych na zwięzłą reprezentację, a następnie GP przewiduje jak ta reprezentacja zmienia się wraz z numerem cyklu i szybkością ładowania (C-rate). Model uczył się z wiele różnych szybkości ładowania, a następnie testowano go na nieznanych warunkach - skutecznie interpolował degradację pomiędzy obserwowanymi protokołami i generował wiarygodne trajektorie dla całkowicie nowych szybkości ładowania.
To ważne, bo tradycyjne symulacje baterii są niesamowicie drogie obliczeniowo i nie można nimi eksplorować tylu scenariuszy. Podejście BattVAE-GP jest tysiące razy szybsze, oferując też oszacowania niepewności dla każdej predykcji - co pozwala na lepszą optymalizację strategii ładowania i prognozowanie żywotności baterii w rzeczywistych warunkach użytkowania.