Одна из главных долгосрочных проблем электромобилей — понять, насколько «жива» постаревшая батарея. Заглянуть внутрь ячейки и напрямую измерить степень деградации невозможно. Восемнадцатилетний Колин Цзе Чу (Colin Jie Chu) из Пало-Альто предложил новый способ решить эту задачу.
Ученик школы The Nueva School разработал модель, которая оценивает состояние здоровья (state of health) литий-ионных аккумуляторов с погрешностью всего 2,36%. Работа принесла ему статус финалиста престижного конкурса Regeneron Science Talent Search 2026 года.
В чём сложность оценки батареи
Батареи электромобилей постепенно теряют ёмкость и мощность под влиянием циклов зарядки-разрядки, температуры и условий эксплуатации. Система управления батареей (BMS) вынуждена судить о состоянии ячеек по их электрическому поведению, а не по прямому измерению.
Чу проанализировал данные 22 аккумуляторов, которые намеренно состарили с помощью электрических сигналов, имитирующих реальное вождение. На основе этих данных он построил фреймворк, сочетающий эквивалентную схемную модель (физический подход) с методами машинного обучения.
Физика плюс искусственный интеллект
В отличие от чисто «чёрных ящиков» на базе ИИ, модель Чу опирается на физику батареи. Эквивалентная схема упрощённо описывает сложное электрическое поведение аккумулятора с помощью понятных математических элементов. Машинное обучение затем помогает уточнять оценку в меняющихся условиях эксплуатации.
Исследование проходило в рамках Younфg Investigators Program Стэнфордского университета. Чу работал в лаборатории энергетического контроля профессора Симоны Онори (Simona Onori) вместе с исследователями и партнёрами из индустрии. Результаты представили на конференции Modeling, Estimation, and Control Conference в Чикаго и опубликовали в Journal of The Electrochemical Society.
Почему это важно
Точная оценка состояния здоровья батареи влияет на безопасность, планирование обслуживания, прогноз остаточного ресурса и решения о повторном использовании или утилизации. Со временем батарея не выходит из строя внезапно — её ёмкость и характеристики снижаются постепенно, влияя на запас хода и стоимость владения электромобилем.
Цифру 2,36% пока нужно воспринимать в контексте лабораторных данных. Перед широким применением модель потребует дополнительной проверки на разных химических составах, возрастах батарей, платформах автомобилей и реальных условиях вождения. Тем не менее подход, объединяющий физические модели и машинное обучение, выглядит более надёжным, чем методы, опирающиеся только на один из этих инструментов.
Чу начал проект ещё в 2024 году, будучи старшеклассником. Сейчас он продолжает исследования, в том числе связанные с «точками перегиба» (kneepoints), после которых деградация может ускоряться, и с оценкой полного срока службы.
Работа восемнадцатилетнего исследователя — лишь часть большой научной задачи. Но она уже показывает, что точное предсказание состояния батарей электромобилей возможно, и что к решению этой проблемы подключаются даже очень молодые учёные.
