盖世汽车讯 据外媒报道，使用最新机器学习和数据科学的软件公司Monolith AI的新人工智能工具Next Test Recommender（NTR）利用人工智能（AI）来优化测试流程，有望将汽车电池测试减少达70%，从而解决限制及时推出新型电动汽车（EV）的重大瓶颈。

（图片来源：Monolith AI公司）

Monolith首席执行官兼创始人Richard Ahlfeld博士强调，因为相关需求不断增长以及激烈的电池技术竞争，目前电池测试面临挑战。他表示：“工程师们在数千个通道上进行电池测试，每周能够生成数万亿字节的数据。他们已经不知道何为最佳测试，当然也无法按照需要的速度学习如此大量的数据。这就是人工智能的用武之地。”

Ahlfeld解释说，利用数据学习的力量，测试工程师们可以揭示复杂的行为特征。这些特征非常复杂，在没有适当工具的情况下难以表征，而AI软件能够从真实世界的测试数据中学习，因此可以解决电池中难以应对的物理挑战，成为可靠而有效的解决方案。相较而言，利用当前仿真和测试规划工具是难以解决这些问题的。

Monolith的NTR人工智能工具利用强大的主动学习算法，可以在电池和燃料电池等复杂产品的开发过程中推荐验证测试项目。据介绍，NTR利用人工智能来模拟整个设计范围内的电池性能，从而大大减少了对大量传统测试计划的需求。用户可以借助NTR同时应用多种机器学习算法，以最少的增量步骤策略性指导其测试轨迹。

该工具可以帮助用户预测将要执行的关键测试。Ahlfeld指出，在测试过程中，在确认已知信息上过度浪费时间，有可能因测试不充分而忽略性能问题。对于实现测试进度和质量来说，取得适当的平衡十分重要，而使用NTR人们可以优先考虑最关键的测试。

Monolith声称，利用NTR AI算法，工程师可以减少高达70%的测试。