Roman GłogulskiA Monolith, amely vezető szerepet vállal az mesterséges intelligencia (MI) alapú szoftverek nyújtásában, a világ vezető mérnöki csapatainak, partnerségbe lépett az About: Energy-vel, a vezető akkumulátortechnológiai innovátorral, hogy enyhítse a pontosságot és skálázhatóságot igénylő akkumulátor modellezés és tesztelés növekvő nyomását az elektromos járművek (EV-k) esetében.
Mindkét brit EV technológiai startup arra törekszik, hogy jelentősen csökkentse az EV-k fejlesztési idejét, akár 12-18 hónappal felgyorsítva a kutatási és fejlesztési folyamatot az MI-alapú akkumulátormodellezés segítségével.
Mindkét cég mérnökei együttműködnek a Monolith platformon előre trénezett MI modellek kifejlesztésében, kihasználva az About: Energy pontos és fejlett akkumulátoradatokat. Ezek az előre trénezett modellek az akkumulátorok számos adata alapján pontosabb és értékesebb akkumulátor degradáció és hőterjedési előrejelzéseket tesznek lehetővé, amelyek kevesebb tesztet, alacsonyabb költséget, valamint jobb akkumulátor teljesítményt és biztonságot eredményeznek.
A Monolithtal létrejött partnerség lehetővé teszi az About: Energy számára, hogy pontosabb modelleket fejlesszen ki, amelyek a legmegbízhatóbb és legrobosztusabb tesztadatok alapján tippelik meg az akkumulátor degradációját és hőtúlterhelését. Legyen szó akár autógyártóról, aki részletesebb adatokat keres, akár akkumulátor gyártóról, vagy olyan EV induló vállalkozásról, amelynek nincsenek saját tesztfacilitéseik, előre trénezett MI modelleink célja az akkumulátor validációs teszttervek optimalizálása és a jobb EV-k elérhetőségének felgyorsítása.
A fejlett tesztelési és validálási módszerek integrációja technológiák alapján lehetővé teszi autógyártók számára, hogy új és átfogó betekintést szerezzenek az akkumulátorok komplex fizikájába, ami a hatékonyabb akkumulátorok gyártásához vezet jelentősen rövidebb időkereteken belül. Habár az autóipar a fő fókusz a partnerségben, potenciál van más közlekedési ágazatokban, például mikromobilitás és repülés fejlesztésére is.
Gyakran Ismételt Kérdések (FAQ):
1. Hogyan járul hozzá az AI az akkumulátor modellezésének hatékonyságához?
Az AI segítségével az előre trénezett modellek pontosabb előrejelzéseket készítenek az akkumulátor degradációjáról és hőterjedéséről, kevesebb tesztet igényelve.
2. Milyen előnyei vannak az akkumulátor modellezés hatékonyság növelésének?
Az akkumulátor modellezés hatékonyságának növelése lehetővé teszi az EV-k fejlesztési idejének jelentős csökkentését, ami gyorsabb piaci bevezetést és jobb akkumulátor teljesítményt eredményez.
3. Milyen területeken lehet alkalmazni ezeket az előre trénezett MI modelleket?
Az előre trénezett MI modellek alkalmazhatók az autóipar mellett más közlekedési ágazatokban, például mikromobilitásban és repülésben is.
Forrás: About: Energy
The source of the article is from the blog exofeed.nl
