許多研究都指出，影響人們從傳統燃油車向EV 轉型的最大阻礙，就是電動汽車需要耗費更長的補能時間。此外就算有更高功率的超充站點，車主們也很擔心頻繁使用會導致電池壽命大幅縮短。好消息是，Eric Dufek 博士剛剛在新聞稿中，介紹了一套基於大數據分析研究模型的新穎解決方案。

（圖自：The Study Find Guy – YouTube）

Eric Dufek 博士解釋稱，快充是提升消費者信息和全面採用EV 的關鍵，旨在縮小電動補能與燃油車加油之間的體驗鴻溝。

若EV 得到廣泛應用，其有助於幫助英國等市場，實現到2030 年停售傳統燃油車的目標，可惜鋰電池的缺陷在該過程中嚴重拖了後腿。

具體說來是，當鋰電池充電時，鋰離子會從陰極遷移到陽極。雖然可以讓該過程變得更快，但有時鋰離子無法完全挪動到陽極。

隨著鋰金屬的堆積，電池可能過早出現失效故障，且枝晶可能導致陰極磨損和隔膜破裂—— 這些都會增加安全隱患、並影響EV 的壽命與續航里程。

New Super-Fast EV Charging Method（via）

有鑑於此，許多研究人員都在努力化解“如何在加快充電速度的同時，避免影響設備的使用壽命、效率、以及安全性”的難題。

相關研究需要大量的數據來為理論分析提供支撐，且電池設計、使用狀況、以及能夠靈活適應電網的基礎設施也相當重要。

由Eric Dufek 博士牽頭的這一研究團隊，就試圖借助機器學習（ML）技術來分析充電數據，以創建獨特的充電解決方案。

通過輸入諸多鋰離子電池在充放電週期裡的狀況信息，科學家們得以訓練ML 模型來分析預測電池壽命、以及不同設計可能最終導致的失效模式。

然後該團隊將這些數據反饋到分析模型中，以識別並優化它們在真實電池上展開測試的新方法。

Dufek 表示：“我們在短時間內顯著增加了輸入電池的能量，現階段可在10 分鐘內快速補能90% 以上，而不導致鋰電池的陰極或隔膜破裂”。

與現階段動輒需要數小時的EV“快充”方案相比（業內領先的特斯拉超充宣稱可在半小時左右完成），這顯然是一個巨大的進步。

儘管還有不少其它研究團隊在研究各種實現超快速充電的方法，但Dufek 機器學習模型的一大優勢，就是將充電過程與電池中實際發生的物理現象緊密聯繫到了一起。

How well do you know Tesla and electric vehicles（via）

最後，研究人員將在美國化學學會（ACS）的秋季會議上，詳細分享他們的最新研究成果。

目前他們正計劃用該模型開發出更好的方法，並幫助設計專為快充而設計的新型鋰離子電池。

展望未來，其最終有望實現讓EV 主動告知充電樁該如何快速、安全充電的目標。