تُطلق جامعة كاليفورنيا، ريفرسايد اسم “حالة المهمة” (State of Mission – SOM) على نظام بطاريات ثوري يجمع بين الفيزياء والتعلم الآلي، وهو يعد بتحويل التنبؤ بمدى سير السيارة من مجرد «نسبة شحن» غامضة إلى حكم يقيني حول إمكانية إكمال الرحلة المحددة.
يقوم SOM بمهمة مزدوجة: لا يقتصر على قياس الطاقة المتبقية بل يجيب السائق بشكل مباشر وذكي: “نعم، يمكنك الوصول إلى المنزل، لكن ربما تحتاج إلى إعادة شحن في منتصف الطريق” أو “لا، المسار المخطط غير ممكن في الظروف الراهنة”. وتكمن ميزة SOM في منهجه الهجين الذي يكسر الجمود في أنظمة إدارة البطارية التقليدية، فهو يجمع بين مرونة التعلم الآلي ودقة قوانين الكيمياء الكهربائية والديناميكا الحرارية بدلاً من الاعتماد على معادلات فيزيائية ثابتة أو نماذج ذكاء اصطناعي “صندوق أسود” بلا تفسيرات.
يتيح هذا المزيج الفريد للنظام تقديم تنبؤات موثوقة حتى عند ضغوط مفاجئة مثل انخفاض الحرارة المفاجئ أو القيادة على طرق جبلية ذات انحدار شديد. أظهرت نتائج نشرت في دورية iScience أن SOM يتفوق بشكل كبير على طرق تشخيص البطارية التقليدية، حيث خفّضت أخطاء التنبؤ في الجهد ودرجة الحرارة وحالة الشحن بنسب كبيرة، وهو ما يمنح السائقين ثقة أعلى في المدى الفعلي لسياراتهم.
وتؤكد الدكتورة ميهري أوزكان، أستاذة الهندسة في جامعة كاليفورنيا ريڤرسايد، أن SOM “يمثل جسرًا بين البيانات والفيزياء” ويُكوّن مقياسًا واعيًا بالمهمة يجمع بين البيانات والفيزياء للتنبؤ بما إذا كانت البطارية قادرة على إكمال المهمة المخطط لها في ظل ظروف العالم الحقيقي.
بعبارة أخرى، تتحول بيانات البطارية المجردة إلى قرارات عملية تعزز السلامة والموثوقية وتخطيط الرحلات للمركبات الكهربائية والطائرات المسيرة وأنظمة تخزين الطاقة المنزلية.
التحديات والمستقبل
رغم النجاح التقني، لا يزال النظام قيد التطوير، ويواجه التحدي الرئيسي بأن احتياجه لقوة حوسبة تفوق ما تتيحه أنظمة البطاريات الخفيفة الوزن في السيارات الكهربائية حاليًا. ومع ذلك، يثق الفريق البحثي بأن التحسين المستمر سيسمح بدمج SOM في الأنظمة المدمجة قريبًا، ما يمثل قفزة نوعية في تقنيات الطاقة وإدارة المركبات الكهربائية.