（图自：The Study Find Guy - YouTube）
Eric Dufek 博士解释称，快充是提升消费者信息和全面采用 EV 的关键，旨在缩小电动补能与燃油车加油之间的体验鸿沟。
(资料图片)
若 EV 得到广泛应用，其有助于帮助英国等市场，实现到 2030 年停售传统燃油车的目标，可惜锂电池的缺陷在该过程中严重拖了后腿。
具体说来是，当锂电池充电时，锂离子会从阴极迁移到阳极。虽然可以让该过程变得更快，但有时锂离子无法完全挪动到阳极。
随着锂金属的堆积，电池可能过早出现失效故障，且枝晶可能导致阴极磨损和隔膜破裂 —— 这些都会增加安全隐患、并影响 EV 的寿命与续航里程。
New Super-Fast EV Charging Method（via）
有鉴于此，许多研究人员都在努力化解“如何在加快充电速度的同时，避免影响设备的使用寿命、效率、以及安全性”的难题。
相关研究需要大量的数据来为理论分析提供支撑，且电池设计、使用状况、以及能够灵活适应电网的基础设施也相当重要。
由 Eric Dufek 博士牵头的这一研究团队，就试图借助机器学习（ML）技术来分析充电数据，以创建独特的充电解决方案。
通过输入诸多锂离子电池在充放电周期里的状况信息，科学家们得以训练 ML 模型来分析预测电池寿命、以及不同设计可能最终导致的失效模式。
然后该团队将这些数据反馈到分析模型中，以识别并优化它们在真实电池上展开测试的新方法。
Dufek 表示：“我们在短时间内显著增加了输入电池的能量，现阶段可在 10 分钟内快速补能 90% 以上，而不导致锂电池的阴极或隔膜破裂”。
与现阶段动辄需要数小时的 EV“快充”方案相比（业内领先的特斯拉超充宣称可在半小时左右完成），这显然是一个巨大的进步。
尽管还有不少其它研究团队在研究各种实现超快速充电的方法，但 Dufek 机器学习模型的一大优势，就是将充电过程与电池中实际发生的物理现象紧密联系到了一起。
How well do you know Tesla and electric vehicles（via）
最后，研究人员将在美国化学学会（ACS）的秋季会议上，详细分享他们的最新研究成果。
目前他们正计划用该模型开发出更好的方法，并帮助设计专为快充而设计的新型锂离子电池。
展望未来，其最终有望实现让 EV 主动告知充电桩该如何快速、安全充电的目标。
