新的机器学习方法揭示了锂离子电池的降解过程，并表明它比许多人想象的要复杂得多。

随着时间的推移，锂离子电池会失去动力，这使得科学家和工程师们努力研究这个过程的细节。现在，美国能源部SLAC国家加速器实验室的科学家们已经将复杂的机器学习算法与x射线断层扫描数据结合起来，生成了一幅详细的图像，展示了电池的一个组成部分，即阴极，是如何随着使用而退化的。

重点在于如何更好地观察镍锰钴阴极的变化。在这些阴极中，NMC粒子由导电碳基体结合在一起，研究人员推测性能下降的一个原因可能是粒子脱离了该基体。该团队的目标是将斯坦福大学的斯坦福同步加速器辐射光源(SSRL)和欧洲同步加速器辐射设施(ESRF)的尖端能力结合起来，全面了解NMC粒子是如何分裂并脱离母体的，以及这可能如何导致性能损失。

当然,它对人类是一个艰巨的任务:找出发生了什么NMC阴极的通过看图片,所以团队转向计算机视觉、机器学习算法的一个分支,它最初设计扫描图像或视频和识别和跟踪对象像狗或汽车。

即便如此，也存在挑战。计算机视觉算法通常瞄准由亮线或暗线定义的边界，因此它们很难区分粘在一起的几个小的NMC粒子和单个大但部分断裂的NMC粒子;对大多数计算机视觉系统来说，这些骨折看起来就像完全的骨折。

为了解决这个问题，团队使用了一种用于处理分层对象的算法，例如，拼图，我们认为它是一个完整的实体，尽管它是由许多单独的部分组成的。通过研究人员自己的输入和判断，他们训练了这个算法来区分不同种类的粒子，从而开发出NMC粒子，无论大小，是否断裂，如何从阴极脱离的三维图像。

他们发现，与碳基体分离的粒子确实对电池性能的下降有重要影响，至少在人们通常会在消费电子产品(如智能手机)中看到的情况是如此。

第二，虽然大的NMC粒子更有可能被破坏并脱离，但也有相当多的小粒子会脱离，总的来说，小粒子的行为方式有更多的变化，SLAC的科学家、这篇新论文的资深作者刘益金说。刘说，这一点很重要，因为研究人员通常认为，通过制造更小的电池颗粒，他们可以制造更持久的电池。