左图：研究团队研发崭新的AI模型，对退役电池进行准确分类。右图：唐晓鹏教授表示，研究确保退役电池得到更有效的二次应用，为环境保护带来新希望。　　【港闻报讯】岭南大学（岭大）科学教研组助理教授唐晓鹏与上海理工大学组成的研究团队，近日在IEEE期刊发表了一篇名为《以寿命为基础的电池分类 促进二次应用》（Lifespan-based Battery Classification towards Second-life Utilisation）的论文，并于第25届IEEE中国系统仿真技术及其应用学术会议（CCSSTA 2024）上，在278份的投稿论文中脱颖而出，成为仅四份获得“最佳论文奖”的得主之一。　　研究团队透过人工智能（AI）的半监督学习模型，研发了一种崭新的电池检测方法，针对退役电池的寿命进行分类和筛选。　　团队所训练的模型称为“卷积神经网络”──一种应用了AI技术的深度学习模型，只需要取得电池前三个充电回圈周期的资料（即从0%充到100%，再从100%耗至0%为一个充电回圈周期），便能对不同寿命的电池进行分类。　　减少环境污染　　研究团队解释，退役电池往往会出现性能退化的现象，导致它们之间因优劣不齐而出现严重的不一致性。在二次应用中，一个性能不佳的电池就足以拖低整个电池组的使用寿命。　　科学教研组助理教授唐晓鹏教授表示：“然而，退役电池的关键挑战在于其使用寿命差异大，而目前业界亦缺乏检测电池寿命的分类演算法。是次研究的发现突破了退役电池效能检测的技术限制，不仅提升了电池的管理方案，并朝着更环保的方向迈进。”　　唐晓鹏教授补充，这项研究确保退役电池得到更有效的二次应用，为能源储存解决方案和环境保护带来新希望。　　此技术目前正在香港申请专利，岭大也正在积极推动并探索与香港特区政府及不同部门合作的可行性。