由A * STAR材料研究与工程学院的Gareth Conduit博士领导的一组科学家和南洋理工大学已经使用AI预测了电动汽车的电池状态，并对锂离子电池的状态做出了“准确”的预测和健康。
根据发表的文章，数据驱动的机器学习模型技术可以使制造商将软件直接嵌入其电池设备中，从而将其循环寿命提高到6％，而典型的电池模型会错误地将寿命估算为大约10％。
电池的性能，成本和安全性是决定电动汽车（EV）成功开发的因素。到目前为止，由于其循环寿命和合理的能量密度，锂离子（Li-ion）电池优于其他电池。但是，如果对锂离子电池进行进一步的研究，则会导致电池动力学更加复杂，安全性和效率将成为人们关注的问题。因此，可以优化和监控安全性的先进电池管理系统对于车辆电动化至关重要。
已经实现了机器学习算法，以预测健康状况，收费状况和剩余使用寿命。人们一直关注数据驱动的模型，并将这些模型与机器学习技术结合在一起。这些模型似乎更强大，并且可以在无需先验系统知识的情况下进行预测，而且可以以较低的计算成本实现高精度。随着数据存储设备成本的降低和计算技术的进步，数据驱动的机器学习似乎是未来高级电池建模的最有前途的方法。
该研究的目的是给电池行业带来变革性的影响，并强调机器学习如何准确预测并改善电池的健康和寿命。这将使制造商可以将软件直接嵌入其电池设备中，并改善其为消费者提供的终身服务。