使用伯克利实验室的Advanced Light Source(一种先进的同步加速器，可产生从红外到X射线的光进行化学成像)的机器学习技术，有助于找出快速充电的锂离子电池退化的原因。

研究人员还在另一个同步加速器(SLAC的斯坦福同步加速器辐射光源)上使用了X射线衍射，该技术试图重现电池中存在的条件，并另外提供了多粒子电池模型。

所有这三种形式的数据都以一种格式组合在一起，以帮助机器学习算法学习电池工作中的物理原理。

虽然典型的机器学习算法会查找与训练图像集不匹配的图像，但在这项研究中，研究人员应用了来自实验和其他来源的更深层数据集，以实现更精确的结果。

该研究得益于能够分离出大约100个单个颗粒的化学状态的能力。在循环过程中，每个选定的粒子以大约50个不同的能量步长成像，总共5,000张图像。

将来自ALS实验和其他实验的数据与来自快速充电数学模型的数据以及有关快速充电的化学和物理信息相结合，然后将其合并到机器学习算法中。

斯坦福大学研究人员史蒂芬(Stephen)说：“我们没有像以前的两次研究那样，让计算机通过简单地输入模型数据直接找出模型，而是教会了计算机如何选择或学习正确的方程式以及正确的物理原理。”