點新聞 ｜ 每日點新聞 點解香港事

【點新聞報道】鋰離子電池被廣泛應用於日常生活中的電器產品，隨着全球電動車盛行，電池安全議題備受關注，研發電池監測及故障診斷技術愈趨重要。由嶺南大學（嶺大）科學教研組助理教授唐曉鵬與上海理工大學、上海工程技術大學和同濟大學組成的研究團隊，利用極少量的真實電池樣本開發出嶄新的深度學習模型，以在線計算方法測量電池的阻抗特性，成為低成本、高效率及準繩度高的電池檢測方法。

該合著論文《基於小樣本學習的多場景電池阻抗譜在線生成》（Online multi-scenario impedance spectra generation for batteries based on small-sample learning）近日在國際著名學術期刊《細胞報告物質科學》（Cell Reports Physical Science）發表。

唐曉鵬表示，是次研究的突破在於利用極少量電池樣本就能建立準繩度高的深度學習模型，較大多數需要涉及「大數據」的同類演算法更勝一籌。他表示：「我們只需要將電池數據上載到網上，就能自動檢測電池的阻抗信息，從而了解電池的健康狀態，突破了傳統使用儀器檢測的時間和地域限制。此外，新技術縮短了獲取電池阻抗性能所需的時間，更大大降低檢測成本，能在社會普及應用，全面提高電池系統的安全性和可靠性。」

以近年愈趨普及的電動車為例，唐曉鵬作進一步解釋，電動汽車中包含數百至數千個電池，任何一個單體電池的故障都會影響到整個電池組的性能，甚至產生安全隱患。新研發的技術降低了電化學阻抗技術在工程場景中的應用門檻，為分析電池失效機制提供了快速且廉價的工具，可以有效提升電池風險的預警能力，從而提升電動汽車安全性。

按此閱讀全文：《基於小樣本學習的多場景電池阻抗譜在線生成》。