电池 - AI在线

验证速度提升25倍，准确率达95.1%，清华团队提出基于物理信息学习的电池衰减预测方法

图 1：研究概念图。编辑 | ScienceAI随着全球对可再生能源需求的日益增长，电池作为储能系统关键技术的地位愈发凸显。然而，电池研发过程中面临着从材料原型到商业产品转化的重重挑战，电池原型验证效率低、研发成本高以及生产废料管理不善等问题制约着电池行业的可持续发展。

锌电池「返老还童」：电子科大联手湖北大学破解枝晶难题，效率提升99.95%！

编辑 | 2049随着电动汽车和便携设备的普及,开发高性能、低成本的储能系统变得愈发重要。于是，科学家们将目光转向了一种古老而新颖的材料——锌。这种地壳含量约为 70ppm 的金属，凭借成本仅为锂的 1/10、极高的安全性和环境友好性，成为下一代电池的「潜力股」。

直逼记录极限，机器学习助力开发全新钙钛矿电池原料

编辑丨&钙钛矿太阳能电池（PSCs），近年来成为了新兴绿色环保电池的代表。而影响其性能的空穴传输材料（HTMs）的设计主要依赖于实验者定性与识别 HTM 结构中的模式。这种方法缺乏对新材料的机制理解，同时还需要在高维数据集中进行模式识别。

发现高能钠离子电池成分，机器学习简化最佳材料搜索过程

编辑 | KX锂离子电池广泛用于电动汽车、笔记本电脑、智能手机等电子产品。尽管锂离子电池在市场中占据着主导地位，但锂元素相对稀缺且昂贵。钠离子电池以钠离子作为能量载体，由于钠资源丰富、安全性高、成本低，有望成为 LIB 的替代品。

AI 可“听”出电池起火征兆，准确率达 94%

锂电池火灾一直是电动汽车和电子设备的一大安全隐患，为了预防这类事故，科学家们一直在探索各种方法。

韩国电池供应商 LG 新能源 (LG Energy Solution) 将采用人工智能 (AI) 技术为客户设计电池。得益于此，LG 新能源能够在一天之内设计出根据客户规格定制的电池单元。LG 新能源的 AI 电池设计系统基于该公司过去 30 年的数据，在 100,000 个设计案例中进行了训练。LG 新能源的一位代表表示，公司的人工智能电池设计系统可以确保客户快速且一致地获得高质量的电池设计方案，“这项技术的最大优势在于，无论设计人员的熟练程度如何，都能以一致的水平和速度完成电池设计。”据AI在线了解，电池设计通

容量提高 10% 寿命延长 25%，英国一公司推 AI 电池管理系统

英国科技公司 Eatron Technologies 和美国 AI 芯片公司 Syntiant 共同开发了一款 AI 电池管理系统（BMS），可“释放”电池额外 10% 的容量，并将电池寿命延长 25%。据悉 AI-BMS 将 Eatron Technologies 的智能算法集成到 Syntiant 的超低功耗 NDP120 神经决策处理器中，来实现电池容量和寿命的提升。Eatron 预训练模型不仅可以对电池健康状态、充电状态和剩余使用寿命进行“极其精确”的评估，还可以提前预测电池可能存在的问题来提高安全性。芯片

微软和 PNNL 合作研究，AI 发现的新材料可以减少电池中锂的使用

编辑 | X微软和美国能源部下属的西北太平洋国家实验室 (PNNL) ，利用人工智能（AI）和超级计算发现了一种全新物质，可以减少电池中锂的使用。科学家表示，这种材料可能会减少高达 70% 的锂用量。自发现以来，这种新材料已被用于为灯泡提供动力。微软研究人员利用人工智能和超级计算机，在不到一周的时间内将 3200 万种潜在无机材料筛选为 18 种有前途的候选材料——如果使用传统的实验室研究方法，这一筛选过程可能需要二十多年才能完成。从开始到开发出可工作的电池原型的过程用了不到九个月的时间。该团队通过使用先进的人工智

清华大学张璇、周光敏团队在联邦学习实现退役电池协同分类回收研究中取得新进展

编辑 | ScienceAI在退役电池回收行业中，正极材料的回收价值极高。传统的处理方式（例如火法、湿法）通常不对正极材料进行分类，而以混合形式回收，资源利用效率低且利润有限。相较之下，直接回收（修复）方法可以显著提升经济价值，具有工艺流程短、二次能源消耗和污染低、经济效益高的优点，但需要事先获取电池的正极材料信息。这些信息涉及制造商、用户、科研机构等敏感数据，难以获取和集中利用。此外，电池制造标准多样性、历史运行条件差异和多方（回收合作者）协作时的数据隐私问题加剧了退役电池分类的难度，制约了回收效率的提升和回收产

优化回收电池的质量和盈利能力，清华团队通过联邦机器学习对废旧电池材料进行分类

编辑 | 萝卜皮未经分类的「退役电池」具有不同的正极材料，由于其正极特定的性质，阻碍了直接回收的采用。报废电池的激增需要精确分类以实现有效的直接回收，但不同的运营历史、不同的制造商以及回收合作者（数据所有者）的数据隐私问题带来了挑战。清华大学团队展示了，从涵盖 5 种阴极材料和 7 家制造商的 130 块锂离子电池的独特数据集中，联邦机器学习方法可以对这些退役电池进行分类，而无需依赖过去的运营数据，从而保护回收合作者的数据隐私。通过利用从报废充放电循环中提取的特征，该团队的模型在同质和异质电池回收设置下分别表现出

复旦嵌入量子计算等引导锂金属电池离子聚合物电解质的发现

编辑 | 绿萝离子液体（Ionic Liquids，IL）作为离子聚合物电解质 (Ionic Polymer Electrolytes，IPE) 的重要组成部分，急需开发一种方法来从大量 IL 候选者中筛选离子电导率高和电化学窗口宽的 IL，从而实现安全和高能量密度锂金属电池 (LMB)。近日，来自复旦大学的研究团队提出了嵌入量子计算和图卷积神经网络（GCNN）的机器学习工作流程，来发现 IPE 的潜在 IL。通过选择推荐的 IL 子集，结合刚性棒状聚电解质和锂盐，开发了一系列薄 (~50 μm) 和坚固 (200

AI自动化系统可以快速找到新的电池化学成分，比人工测试要快得多

编辑 | 萝卜皮开发高能高效电池技术是推进交通和航空电气化的关键方面。然而，电池创新可能需要数年时间才能实现。在非水电池电解质溶液的情况下，选择多种溶剂、盐及其相对比例的许多设计变量使得电解质优化既费时又费力。为了克服这些问题，卡内基梅隆大学（Carnegie Mellon University）的研究团队提出了一种实验设计，将机器人技术（一个名为「Clio」的定制自动化实验）与机器学习（一个名为「Dragonfly」的基于贝叶斯优化的实验计划器）结合起来。在单盐和三元溶剂设计空间内对电解质电导率进行自主优化，在两

如何通过机器学习算法，将EV电池运用到极致？

编译 / 刘梦婷近日，剑桥大学的研究人员开发了一种机器学习算法，可以通过预测不同的驾驶模式对电池性能的影响，帮助电动车减少充电时间，延长电池寿命，提高安全性和可靠性。研究结果发表在《自然通讯》（Nature Communications）杂志上。该团队开发了一种非侵入式方法来检测电池，并获得电池整体健康状况。然后，将这些结果输入机器学习算法，该算法可以预测不同驾驶模式将如何影响电池未来的健康状况。研究人员表示，该算法可以通过建议路线和驾驶模式，最大限度地减少电池退化和充电时间，来充分利用电动汽车的电池。如果将其用于

魔方电池如何“躺赢”？解锁荣威iMAX8 EV“头等舱”安全密码

近期不时出现的电动车自燃事件，让新能源汽车的安全问题再登风口浪尖。一直以来，电池安全是新能源汽车用户最为关切的首要问题。消除电池安全隐患，从根本上化解用户的安全焦虑，是整个新能源汽车行业努力的方向。中国荣威旗下纯电豪华MPV荣威iMAX8 EV在安全性能方面，领先行业标准，采用上汽魔方电池，通过五重递进式的多层防护，能够实现整包零热失控。“头等舱”的安全感背后隐藏着哪些黑科技？8月10日，来自上汽创新研发总院捷能公司的电池技术专家们进行了一场电池解析直播课，生动地展示了魔方电池的安全之道。五重防护，“零燃科技”无

斯坦福学者让太阳能电池在夜间发电，功率可达50毫瓦/平方米

研究者表示，他们设计的光伏电池装置可以为 LED 灯或者手机充电。

电池