Teknologi.Bagian dari ensiklopedia.onlineCari/
BerandaAI & otomasiCAREER: Intelligent Battery Management with Safe, Efficient, Fast-Adaption Reinforcement Learning and Physics-Inspired Machine Learning: From Cells to Packs
Proyek riset & pengembangan

CAREER: Intelligent Battery Management with Safe, Efficient, Fast-Adaption Reinforcement Learning and Physics-Inspired Machine Learning: From Cells to Packs

Ringkasan tujuan riset

Manajemen baterai cerdas menggabungkan pembelajaran penguatan aman dan model transformer berlandaskan fisika untuk pengisian cepat adaptif serta prognosis kesehatan dari sel ke pack.

AI & otomasi1 rujukanProfil diperbarui
Lihat rujukanBandingkan proyek
Linimasa NSF 2340194Periode tercatat 2024-02-01 sampai 2029-01-31.NSF 2340194MulaiAkhir tercatat202420302024-02-012029-01-31
Linimasa dan catatan proyek

Tanggal dan TRL menurut catatan penerbit. Akhir periode dan target bukan bukti hasil riset.

Teknologi · CC BY 4.0 · Sumber data

Apa tujuan dan pendekatan risetnya?

Pembelajaran penguatan hierarkis dan meta dikembangkan untuk mengatur protokol pengisian yang berubah menurut kondisi operasi. Transformer memasukkan fisika penuaan guna memperkirakan kapasitas serta masa pakai tanpa ekstraksi fitur manual mahal. Metode diperluas untuk memperhitungkan perbedaan dan interaksi antarsel dalam pack. Simulasi terbuka serta perangkat uji baterai memvalidasi pendekatan, dengan kecepatan, keselamatan dan akurasi prognosis sebagai sasaran yang perlu diuji bersama.

Profil ini merangkum ruang lingkup proyek yang dipublikasikan National Science Foundation (NSF). Sumber diakses . Uraian pendekatan dan manfaat menyatakan tujuan pengembangan, kecuali sumber secara khusus melaporkan hasil.

Baca uraian penerbit

Konteks pengembangan

Institusi penerima pada catatan
Texas Tech University
Program
Proc Sys, Reac Eng & Mol Therm
Periode pendanaan tercatat
2024-02-01 → 2029-01-31

Proyek kolaboratif beberapa institusi diwakili oleh satu catatan penghargaan. Institusi di atas adalah penerima pada catatan tersebut.

Klasifikasi NSF

  • Directorate for Engineering
  • Chemical, Bioengineering, Environmental, & Transport Systems

Label penerbit dipertahankan sebagai konteks. Bidang katalog merupakan pengelompokan editorial.

Apa yang diketahui tentang statusnya?

Status pendanaan menurut NSFAktif (catatan pendanaan NSF)

Catatan NSF tidak melaporkan tingkat kesiapan teknologi (TRL). Status pendanaan aktif atau berakhir bukan bukti keberhasilan riset.

Batas informasi

Profil merangkum tujuan dan pendekatan dalam abstrak pendanaan NSF. Status pendanaan tidak membuktikan keberhasilan riset, kesiapan teknologi, atau ketersediaan produk. Hasil dan performa belum diverifikasi secara independen; tinjauan ahli belum dilakukan.

Dasar profil

Metodologi dan batas pemeriksaan. Ringkasan berbahasa Indonesia disusun sebagai parafrasa editorial dengan pemeriksaan sumber primer oleh agen AI. Identitas, periode, serta status berasal dari catatan penerbit. Tinjauan ahli dan pengujian kinerja independen belum dilakukan; rujukan tidak menyiratkan dukungan atau sertifikasi NSF.