EV研究解説

急速充電で電池寿命最大21%増強化学習の論文解説

公開 2026年10月20日更新 2026年10月24日 7分で読める

急速充電を繰り返すと電池が早く傷む。EVに乗る人なら一度は聞いたことがある話だ。この「速さ」と「寿命」の綱引きを、強化学習（AIが試行錯誤しながら最適な行動を覚える手法）で解こうとする論文が、2026年10月16日にarXivで公開された。

ポイントは、電池の健康状態を示すSoH（State of Health。新品のときと比べて、どれだけ容量が残っているかを表す指標）を充電の制御に直接組み込んだことだ。しかも、車載のSoH推定には誤差がつきものという現実を前提に、AIの判断材料からノイズを取り除く「フィルター」を挟んでいる。結果を見ると、一般的な充電方式と同じくらいの速さで充電しながら、寿命の目安となる充電回数が最大21.4%伸びた。

論文タイトル	Filter-Augmented Reinforcement Learning for Battery Fast Charging with State of Health and Plating-Aware Reward Design
著者	Meng Yuan, Yang Li, Changfu Zou
公開日	2026年10月16日
分野	eess.SY（システム制御）
論文URL	arxiv.org/abs/2610.22787

急速充電はなぜ電池を傷めるのか

論文は冒頭で、急速充電はEV普及に欠かせない一方、安全上のリスクを高め、電池の劣化を早めると指摘している。

劣化の原因としてよく知られているのが、論文タイトルにも入っている「リチウム析出（プレーティング）」だ。急いで詰め込むと、リチウムイオンが負極の中に入りきらず、表面に金属として積もってしまう。満員電車に乗りきれなかった乗客がホームにあふれるようなものだ。あふれた分は容量として戻らない。ひどい場合は安全面の問題にもつながる。

今の標準的な充電方式はCC-CV（定電流・定電圧）と呼ばれる。最初は一定の電流で一気に入れ、電圧が上限に届いたら電圧を保ったまま電流を絞っていく。コップに水を注ぐとき、最初は勢いよく注ぎ、縁が近づいたらゆっくりにするのと同じ考え方だ。シンプルで扱いやすい反面、電池の老い具合に合わせて注ぎ方を変える仕組みはない。

電池の性質は、使うほど変わっていく。新品なら平気だった充電の強さも、劣化が進んだ電池には負担になりうる。論文が目指すのは、電池の一生を通じて、そのときの健康状態に合わせて充電の仕方を変え続ける制御だ。

TD3とフィルターで「電池の体調」を読む

制御の中心にいるのは、TD3（Twin-Delayed Deep Deterministic Policy Gradient）という強化学習アルゴリズムだ。名前は長いが、電流の大きさのように連続した値を細かく調整するのが得意な手法と考えればよい。

強化学習のAIは「報酬」、つまりごほうびの点数が高くなるように行動を覚えていく。この論文では、報酬に「速く充電できたか」と「電池を長持ちさせたか」の両方を入れ、そこにSoHの情報を組み込んだ。さらに、電池の状態に応じて決まる電圧の目安を超えると減点されるペナルティも加えている。

このペナルティは、CC-CO（定電流・定過電位）と呼ばれる充電の考え方から導いたものだ。過電位とは、電池の中の反応を押し進めるために余分にかかっている電圧のこと。坂道で荷車を押すときの「余計な力み」に近い。力みすぎると析出が起きやすくなるので、それを電池の老い具合に合わせて抑える、という設計になっている。

ノイズ混じりのSoHをどう扱うか

論文は、車載のSoH推定にはノイズが避けられないという前提に立っている。AIが誤った健康状態を信じて充電すると、無理をさせたり、逆に慎重すぎたりする。

そこで2種類のフィルターを使い分ける。ノイズの性質がわからないときは指数移動平均（EMA）。毎朝の体重計の数字をそのまま信じず、ここ数日の傾向をならして見るやり方だ。ノイズの性質がわかっているときはカルマンフィルター。体重計のクセ（誤差の大きさ）を知ったうえで、予測値と測定値を賢く混ぜ合わせる。カーナビがGPSの位置のブレを補正するのに使われるのと同じ系統の技術だ。

フィルターで整えたSoHは、AIが状況を判断する材料と報酬の計算の両方に使われる。報酬の側まで整えているのは大事な点に見える。点数のつけ方自体がブレていると、AIは間違った教訓を覚えてしまうからだ。

寿命の目安が最大21.4%伸びた

学習には、電池の一生を細かく再現する高精度なシミュレーションのデータを使った。評価には、市販セル「LG M50」について公開されている電気化学モデルと劣化モデルのパラメータを用いている。

比較の物差しは等価フルサイクル（EFC）。0%から100%までの充電を1回と数える回数で、半分ずつの充電なら2回で1回分になる。電池が使えなくなるまでに何回分充電できたか、という寿命の目安だ。

SoH推定に2%のノイズが乗った条件で、提案手法は従来のCC-CV充電より最大21.4%多いEFCを達成した。ノイズを5%に増やしても寿命の優位は保たれ、充電速度もCC-CVと同等だったという。

ただし、これはシミュレーションでの結果で、評価に使ったのも1種類のセルだ。実車での検証は論文の範囲に含まれていない。

BLADE NOTE の視点

ここからは論文の範囲外の話になる。実際のEVでは、急速充電で流す電流を決めるのは車両側の電池管理システム（BMS）で、CHAdeMOの充電器は車が要求する電流を流す役割を担う。この種のアルゴリズムが実用化されるとすれば、入るのは充電器ではなく車のソフトウェアだ。テスラが無線アップデート（OTA）で充電カーブを何度も変えてきたように、ソフト更新で後から配信できる領域でもある。

日本の公共急速充電は、e-Mobility Powerをはじめ時間で課金する方式が中心で、NEXCOのSA・PAでは30分で交代するのが暗黙のルールになっている。電池をいたわるために充電を遅くすれば、利用者の負担はそのまま増える。速さを落とさずに寿命を伸ばすというこの論文の方向性は、日本の使われ方と相性がいい。日本の充電インフラ整備が進んでも、1回あたりの時間の制約は残る。

一方で、評価に使われたLG M50と、BYDのブレードバッテリーのようなLFP電池とでは化学系が違う。21.4%という数字をATTO 3やSEALION 7にそのまま当てはめることはできない。電池ごとの違いはバッテリー技術の現在地で整理している。

BLADE NOTEとして注目したいのは、21.4%という数字そのものより、「SoHの推定が不正確でも崩れない」という設計思想のほうだ。日本の中古EV市場では、初期の日産リーフ以来、電池の劣化度合いが残価を大きく左右してきた。充電制御がSoHに頼るようになれば、そのSoHがどれだけ正確で、誰が検証できるのかが問われる。

もう一つは保証の問題。AIが充電の仕方を決めて電池が劣化したとき、責任を負うのはメーカーなのか、ソフトなのか。長期の電池保証を売りにする中国勢にとって、学習型の充電制御は差別化の武器になる一方、制御の中身を説明する責任も重くなる。日本市場で信頼を得るには、充電の「優しさ」を数字で示す仕組みが必要だと考える。