เมื่อการขนส่งมีกระแสไฟฟ้ามากขึ้นด้วยกันบ้านมากมายขึ้นก็พึ่งตัวเองได้ความต้องการแบตเตอรี่แห่งหนหนาแน่นขึ้นจะต้องใช้งานได้นานขึ้นสมบูรณ์เรื่อย ๆ

|

นักวิจัยจาก Argonne National Laboratory ได้มาสร้างโมเดลแมชแม่ชีนเลิร์นนิงเพื่อเร่งกระบวนการพัฒนาแบตเตอรี่ให้งดงามยิ่งขึ้นในที่กระดาษตีพิมพ์ในที่ MRS Communications ฉบับวันที่ 27 เดือนสิงหาคมทีมงานจักอธิบายจดอัลกอริครึ้ม 19 ประสิทธิภาพด้วยกันความสามารถของมันในที่ช่วงต้น

ก่อนหน้าโมเดลแมชชีนเลิร์นนิงนักวิจัยได้ใช้โมเดลที่เรียกว่า G4MP2 ซึ่ง 19 ครอบครองโมเดลเร่งรัดที่ใช้การคำนวณจำนวนมากกำลังกายและในขณะที่มีความเที่ยงตรงสูงจะต้องกินเวลาหลายพรรษาในการสแกนโมเลกุลขนาดใหญ่ทั้งหมด 166 พันล้านโมเลกุลซึ่งรวมตัวกันเลือกอิเล็กโทรไลต์สถานที่เป็นไปได้

แลดูเพิ่มเติม: กรณีศึกษา: Chuck the Robot Meets the Internet of Things

หนทางการเรียนรู้สรรพสิ่งเครื่องนวชาตคือ | การประนีประนอมซึ่งลดความแม่นยำลงบ้างเพื่อจะผลลัพธ์แห่งหนรวดเร็วขึ้นไป 1C; เรา | หลงเชื่อว่ามัธยมการเรียนรู้สรรพสิ่ง achine แสดงถึงวิธีการที่จะคว้าภาพโมเลกุลที่ | เกือบจะตรงเป๊ะที่เศษของเงินลงทุนการคำนวณ 1D;เอียนฟอสเตอร์ | ผู้ดูแลแผนก Argonne Data Science and Learning เสนอ

การใช้โมเดล G4MP2 เป็น | หลักการนักวิจัยมุ่งหวังว่าจะทำให้โมเดลแมชชีนเลิร์นนิงมีความแม่นยำมากขึ้นครั้นเวลาเปลี่ยนไปในอนาคตรุ่นใหม่อาจเลียนแบบ | คุณสมบัติหลายอย่างสรรพสิ่ง G4MP2 ในขณะที่พิทักษ์ต้นทุนค่าโสหุ้ยให้เหลือน้อยที่สุด

1C; แผนการทั้งหมดตรงนี้ | ออกแบบลงมาเพื่อให้อิฉันได้ทิวทัศน์อิเล็กโทรไลต์ของแบตเตอรี่แห่งหนใหญ่สุดขอบเท่าที่จักเป็นไปได้ | ผู้สมัคร, 1D;Rajeev Assary นักเคมีสิ่งของ Argonne กล่าว1C; ถ้าหากเราจัก | ใช้โมเลกุลด้วยว่าแอพกำลังิเคชั่นจัดเก็บกำลังแรงงานเราต้องรู้คุณเงินทองเช่น | ความเสถียรของเลี่ยนและเราสามารถใช้การศึกษาของเครื่องนี้เพื่อจะทำนายคุณสมบัติของ | โมเลกุลแห่งหนใหญ่กว่าได้อย่างแม่นยำยิ่งขึ้น 1D;