2 月 9 日消息，一種全新工具有望極大加速科學(xué)家設(shè)計(jì)與測試電池的進(jìn)程。密歇根大學(xué)的研究人員開發(fā)出一套機(jī)器學(xué)習(xí)系統(tǒng)，僅需常規(guī)測試中極少部分的數(shù)據(jù)，就能預(yù)測電池壽命，有望將原型研發(fā)周期縮短數(shù)月甚至數(shù)年。

與傳統(tǒng)測試需要數(shù)百乃至數(shù)千次充放電循環(huán)不同，該模型僅通過 50 次循環(huán)，便可估算新型電池的使用壽命。研究團(tuán)隊(duì)表示，這種方法可將測試所需的時(shí)間與能耗降低高達(dá) 95%，讓工程師以前所未有的速度與效率評(píng)估電池性能。

該研究發(fā)表于《自然》（Nature）期刊，由密歇根大學(xué)電氣與計(jì)算機(jī)工程系的宋子游（Ziyou Song，音譯）助理教授與博士生張嘉偉（Jiawei Zhang，音譯）領(lǐng)銜開發(fā)。他們構(gòu)建了一組被稱為“智能體式”（agentic）AI 工具，每個(gè)工具都承擔(dān)專門任務(wù)。這些組件協(xié)同工作，如同實(shí)驗(yàn)室里的研究人員一般 —— 共享數(shù)據(jù)、驗(yàn)證假設(shè)、不斷優(yōu)化結(jié)果。

該研究由美國法爾瑞斯能源（Farasis Energy USA）資助，這家總部位于加州的電池開發(fā)商同時(shí)提供了真實(shí)數(shù)據(jù)與軟包電池，用于驗(yàn)證模型預(yù)測效果。

這套 AI 框架的設(shè)計(jì)靈感源自發(fā)現(xiàn)式學(xué)習(xí)（discovery learning），這是一種強(qiáng)調(diào)通過探索與實(shí)踐解決問題的教育學(xué)原理。在此場景中，AI “學(xué)習(xí)者”如同人類研究者，從過往實(shí)驗(yàn)中學(xué)習(xí)：它回顧此前電池設(shè)計(jì)的歷史數(shù)據(jù)，開展小規(guī)模實(shí)驗(yàn)，并借助物理模型，將早期性能特征與最終循環(huán)壽命關(guān)聯(lián)起來。

據(jù)了解，整個(gè)流程分為三個(gè)明確角色：學(xué)習(xí)者、解釋器、預(yù)言者（oracle）。

學(xué)習(xí)者首先篩選有潛力的電池候選方案，在特定溫度與電流條件下進(jìn)行測試；這些初步試驗(yàn)約為 50 次循環(huán)，產(chǎn)生的數(shù)據(jù)由解釋器通過物理信息驅(qū)動(dòng)模擬器進(jìn)行分析；最后，預(yù)言者將分析結(jié)果與現(xiàn)有知識(shí)結(jié)合，預(yù)測每種設(shè)計(jì)的完整使用壽命。

學(xué)習(xí)者隨后將預(yù)測結(jié)果納入不斷擴(kuò)充的數(shù)據(jù)集，隨時(shí)間提升精度。在學(xué)習(xí)足夠多案例后，系統(tǒng)無需重復(fù)完整實(shí)驗(yàn)流程，即可直接預(yù)測電池壽命，研究人員將其稱為一種自主科學(xué)推理能力。

密歇根大學(xué)這一方法與常規(guī)統(tǒng)計(jì)模型的核心區(qū)別，在于其理解深度。系統(tǒng)并非只關(guān)注電壓曲線、充電速率等表層電信號(hào)，而是解析底層物理與化學(xué)參數(shù)，包括電極材料在高溫、應(yīng)力與反復(fù)循環(huán)下的行為規(guī)律。

這些機(jī)理認(rèn)知讓模型能夠跨電池形態(tài)泛化：從消費(fèi)電子中的小型圓柱電池，到電動(dòng)汽車使用的柔性軟包電池，均適用。

即便僅用圓柱電池?cái)?shù)據(jù)訓(xùn)練，該 AI 仍能精準(zhǔn)預(yù)測法爾瑞斯提供的大型軟包電池性能。這表明，其基于物理的框架捕捉到了電池老化的普遍規(guī)律。從實(shí)際應(yīng)用來看，僅需數(shù)天測試即可得到可靠壽命預(yù)測，而傳統(tǒng)耐久性測試往往需要 1000 次以上循環(huán)，耗時(shí)數(shù)月甚至數(shù)年。

其能耗優(yōu)勢同樣顯著：據(jù)研究團(tuán)隊(duì)測算，使用該 AI 系統(tǒng)預(yù)測循環(huán)壽命，能耗僅為傳統(tǒng)大規(guī)模實(shí)驗(yàn)室測試的約 5%。

盡管當(dāng)前研究聚焦于循環(huán)壽命預(yù)測，研究人員已著手拓展功能，包括預(yù)測安全極限、優(yōu)化充電速率、篩選最適合下一代鋰離子電池的材料。

他們的更長遠(yuǎn)愿景遠(yuǎn)不止于儲(chǔ)能領(lǐng)域。由于發(fā)現(xiàn)式學(xué)習(xí)是一種可通用的科學(xué)方法，團(tuán)隊(duì)認(rèn)為，類似框架可加速化學(xué)、材料科學(xué)及其他受漫長、昂貴實(shí)驗(yàn)周期限制的學(xué)科研究。