I ricercatori hanno anche utilizzato la diffrazione dei raggi X su un altro sincrotrone, la Stanford Synchrotron Radiation Lightsource dello SLAC, che ha tentato di ricreare le condizioni presenti in una batteria e inoltre ha fornito un modello di batteria a molte particelle.
Tutte e tre le forme di dati sono state combinate in un formato per aiutare gli algoritmi di apprendimento automatico ad apprendere la fisica al lavoro nella batteria.
Mentre i tipici algoritmi di apprendimento automatico cercano immagini che corrispondono o non corrispondono a una serie di immagini di addestramento, in questo studio i ricercatori hanno applicato una serie più approfondita di dati da esperimenti e altre fonti per consentire risultati più raffinati.
Lo studio ha beneficiato della capacità di individuare gli stati chimici di circa 100 singole particelle. Ogni particella selezionata è stata sottoposta a imaging a circa 50 differenti fasi di energia durante il processo ciclico, per un totale di 5,000 immagini.
I dati degli esperimenti sulla SLA e di altri esperimenti sono stati combinati con i dati dei modelli matematici a ricarica rapida e con le informazioni sulla chimica e la fisica della ricarica rapida e quindi incorporati negli algoritmi di apprendimento automatico.
"Invece di far capire direttamente al computer il modello semplicemente inserendogli i dati, come abbiamo fatto nei due studi precedenti, abbiamo insegnato al computer come scegliere o imparare le giuste equazioni, e quindi la giusta fisica", afferma il ricercatore di Stanford Stephen Dongmin Kang.