作者：李姝編輯：李寶珠隨著 AI 技術(shù)的不斷發(fā)展，為更多高難度新型電池的研發(fā)帶來希望。本文將圍繞傳統(tǒng)電池研發(fā)技術(shù)面臨的技術(shù)瓶頸、AI 技術(shù)為學(xué)界、業(yè)界帶來的技術(shù)變革 3 個(gè)方面，盤點(diǎn)當(dāng)下 AI 助力電池研發(fā)的新成果?！? 月份新能源汽車國(guó)內(nèi)零售滲透率達(dá) 51.1%，比原定計(jì)劃提前了 11 年」。這是中國(guó)汽車流通協(xié)會(huì)乘用車市場(chǎng)信息聯(lián)席分會(huì)于今年 8 月份發(fā)布的數(shù)據(jù)，在彰顯新能源汽車市場(chǎng)增長(zhǎng)勢(shì)頭強(qiáng)勁的同時(shí)，何嘗不是該領(lǐng)域能源結(jié)構(gòu)轉(zhuǎn)型的重要里程碑。新能源汽車之所以能夠如此快速地消費(fèi)市場(chǎng)，除了政策驅(qū)動(dòng)、市場(chǎng)接受度提高等原因外，還主要得益于兩大關(guān)鍵因素。一方面，特斯拉發(fā)起的激烈價(jià)格戰(zhàn)，帶動(dòng)了行業(yè)的降價(jià)浪潮，層出不窮的優(yōu)惠政策不斷著銷量；另一方面，新能源汽車所搭載的電池技術(shù)不斷創(chuàng)新，有效緩解了消費(fèi)者對(duì)充電時(shí)間長(zhǎng)、充電站分布不均等里程焦慮問題，進(jìn)一步提振了消費(fèi)者的購(gòu)買信心。作為新能源汽車的「心臟」，動(dòng)力電池對(duì)整車性能、成本和用戶體驗(yàn)的提升至關(guān)重要。如比亞迪刀片電池的推出，不僅大幅提高了電池包的空間利用率和安全性，還有望將純電車型的續(xù)航里程突破 1，000 公里，使其達(dá)到頂尖的續(xù)航表現(xiàn)。因此，有網(wǎng)友形象地評(píng)價(jià)道：「新能源車企的半條命是動(dòng)力電池給的?！惯@一評(píng)價(jià)不僅道出了電池在新能源汽車產(chǎn)業(yè)鏈中的核心地位，也進(jìn)一步說明了技術(shù)創(chuàng)新對(duì)于市場(chǎng)競(jìng)爭(zhēng)力的重要性。值得一提的是，電池技術(shù)的重要性并不僅限于新能源汽車領(lǐng)域。無論是消費(fèi)電子還是大規(guī)模儲(chǔ)能系統(tǒng)，電池都是不可或缺的關(guān)鍵技術(shù)支撐。中國(guó)工程院發(fā)布的「面向 2035 的新材料強(qiáng)國(guó)戰(zhàn)略研究」，明確將電池材料列為新型能源材料領(lǐng)域的重點(diǎn)發(fā)展方向，這不僅表明電池技術(shù)在未來能源結(jié)構(gòu)中的戰(zhàn)略地位，也為新能源產(chǎn)業(yè)的全面升級(jí)提供了重要指引。關(guān)鍵戰(zhàn)略材料領(lǐng)域發(fā)展重點(diǎn)及發(fā)展方向，圖源「面向 2035 的新材料強(qiáng)國(guó)戰(zhàn)略研究」同時(shí)，人工智能的迅猛發(fā)展為高難度新型電池的研發(fā)注入了全新動(dòng)能。中國(guó)科學(xué)院院士、清華大學(xué)教授歐陽明高在近日召開的 2024 科學(xué)智能峰會(huì)上表示：「在電池材料方面，以前實(shí)際上所有的材料研發(fā)都是試錯(cuò)型的，耗費(fèi)大量的人工，周期太長(zhǎng)，效率太低?，F(xiàn)在有了人工智能，就可以改變以前的研發(fā)范式。目前已經(jīng)實(shí)現(xiàn)全過程的自動(dòng)材料設(shè)計(jì)，比如自動(dòng)化的實(shí)驗(yàn)、表征、仿真、制備，實(shí)現(xiàn)全流程智能化，大大提高了高難度新型電池的研發(fā)效率?！箶?shù)年磨一劍，傳統(tǒng)電池研發(fā)的痛點(diǎn)與難點(diǎn)電池研發(fā)是一項(xiàng)復(fù)雜且系統(tǒng)化的工程，包括電池材料的篩選，合成制備，表征測(cè)試以及工藝優(yōu)化等階段，而傳統(tǒng)的電池研發(fā)主要采用「實(shí)驗(yàn)試錯(cuò)」的方法，整個(gè)研發(fā)周期跨越數(shù)年時(shí)間，且需要大量的資金投入。在此過程中，每一個(gè)階段都面臨獨(dú)特的痛點(diǎn)與難點(diǎn)。圖源紐約時(shí)報(bào)，電池研發(fā)和生產(chǎn)工廠具體而言，在電池材料篩選過程中，研發(fā)人員需要結(jié)合實(shí)驗(yàn)的可行性、成本效益以及安全性等方面，尋找最佳的電極材料和電解液配方。然而電池的正極、負(fù)極、電解質(zhì)和隔膜等組件有眾多潛在材料可供選擇，傳統(tǒng)的篩選方法需要依賴實(shí)驗(yàn)逐一驗(yàn)證，耗費(fèi)大量時(shí)間和資源，試錯(cuò)成本高。在電池的合成制備過程中，研發(fā)人員需要精確控制合成的反應(yīng)條件以獲得理想的材料特性，這些反應(yīng)條件包括溫度、壓力、時(shí)間、環(huán)境等。如固態(tài)電池在合成中仍然面臨著硫化物對(duì)空氣穩(wěn)定性差、電極/電解質(zhì)界面的化學(xué)和電化學(xué)穩(wěn)定性等重大挑戰(zhàn)。這些挑戰(zhàn)限制了其在固態(tài)電池中的大規(guī)模應(yīng)用，并對(duì)合成制備過程提出了更高的要求。論文地址：https://wulixb.iphy.ac.cn/article/doi/10.7498/aps.69.20201581圖源物理學(xué)報(bào)，基于硫化物電解質(zhì)的固態(tài)鋰電池界面面臨的主要挑戰(zhàn)在表征測(cè)試過程中，研發(fā)人員需要對(duì)電池材料的晶體結(jié)構(gòu)、電化學(xué)性能以及熱穩(wěn)定性等關(guān)鍵屬性進(jìn)行測(cè)試和分析。然而，電池性能的核心指標(biāo)（如循環(huán)壽命、能量密度等）通常需要通過長(zhǎng)時(shí)間的測(cè)試來評(píng)估，這種測(cè)試周期顯著拖延了研發(fā)進(jìn)度。在工藝優(yōu)化階段，涂布、干燥、壓實(shí)等多種參數(shù)的優(yōu)化是一個(gè)高度復(fù)雜的多變量問題，在實(shí)驗(yàn)室小規(guī)模研發(fā)中獲得的理想性能，往往在工業(yè)生產(chǎn)中難以復(fù)現(xiàn)。圖源三星 SDI總結(jié)來說，傳統(tǒng)電池研發(fā)方法中，從材料篩選到工藝優(yōu)化，每一階段都面臨復(fù)雜的挑戰(zhàn)。未來的電池研發(fā)需要引入更多數(shù)據(jù)驅(qū)動(dòng)的設(shè)計(jì)方法、高通量合成與測(cè)試技術(shù)以及智能化制造手段，從根本上傳統(tǒng)研發(fā)的瓶頸。在這一過程中，AI 將扮演至關(guān)重要的角色。柳暗花明，AI for Science 全面解鎖電池研發(fā)新思路盡管以固態(tài)電池為代表的新型電池研發(fā)技術(shù)還面臨諸多挑戰(zhàn)，但乘著 AI for Science (AI4S) 范式發(fā)展的東風(fēng)，越來越多的高校以及科研院所開始圍繞電池研發(fā)，展開 AI 相關(guān)技術(shù)的落地探索。具體而言，首先 AI 可加速電池材料的篩選與發(fā)現(xiàn)。電池材料的研發(fā)涉及成千上萬種化學(xué)組合，而實(shí)驗(yàn)驗(yàn)證的時(shí)間和資源有限。AI 在高通量計(jì)算和機(jī)器學(xué)習(xí)方面的應(yīng)用，使得研究者能夠通過模擬和預(yù)測(cè)快速篩選出潛在的高性能材料。如 Microsoft 和 PNNL 借助 AI 技術(shù)，篩選了 3，200 萬種潛在電池材料，并在 80 小時(shí)時(shí)間內(nèi)將名單縮小到 23 種，其中 5 種是已知材料。團(tuán)隊(duì)表示如果使用傳統(tǒng)方法獲取這些材料，這個(gè)過程將耗時(shí) 20 多年。相關(guān)研究以「Accelerating computational materials discovery with artificial intelligence and cloud high-performance computing: from large-scale screening to experimental validation」為題，發(fā)表在預(yù)印網(wǎng)站 arXiv 上。論文地址：https://arxiv.org/pdf/2401.04070Microsoft AI 和 HPC 工具發(fā)現(xiàn)的新型固體電解質(zhì)樣本，圖源 Microsoft其次，AI 在電池的合成制備過程中同樣表現(xiàn)出色。具體而言，界面問題是電池性能的關(guān)鍵瓶頸，例如鋰金屬負(fù)極與電解質(zhì)的界面穩(wěn)定性直接決定電池的安全性與壽命。傳統(tǒng)實(shí)驗(yàn)很難全面了解界面上的復(fù)雜反應(yīng)，而 AI 模型可以結(jié)合分子動(dòng)力學(xué)模擬和實(shí)驗(yàn)數(shù)據(jù)，預(yù)測(cè)界面反應(yīng)路徑并設(shè)計(jì)更優(yōu)的電解質(zhì)材料。如華南理工大學(xué)研究人員利用 AI 模型對(duì)鋰離子電池的界面反應(yīng)進(jìn)行建模，重點(diǎn)優(yōu)化電池組件，為開發(fā)更穩(wěn)定的電解質(zhì)材料提供了方向。相關(guān)研究以「Insights into the interface reaction between electrolyte and Li(2)MnO(3) from ab initio molecular dynamics simulations」為題，發(fā)表在 Journal of Materials Chemistry 上。論文地址：https://pubs.rsc.org/en/content/articlelanding/2024/ta/d4ta04598j在電池表征測(cè)試過程中， AI 在電池壽命預(yù)測(cè)上也毫不遜色。如麻省理工學(xué)院、斯坦福大學(xué)和豐田研究所 (TRI) 的研究人員使用 AI 預(yù)測(cè)電池壽命。該團(tuán)隊(duì)研發(fā)的 AI 算法可根據(jù)電池的 5 次充放電循環(huán)判斷電池使用壽命，且判斷結(jié)果準(zhǔn)確率高達(dá) 95%，預(yù)測(cè)值與電池實(shí)際壽命值誤差在 9% 以內(nèi)。值得一提的是，該數(shù)據(jù)集已經(jīng)開源，并且是同類數(shù)據(jù)集中體量最大的。相關(guān)研究以「Data-driven prediction of battery cycle life before capacity degradation」為題，發(fā)表在 Nature 上。論文地址：https://www.nature.com/articles/s41560-019-0356-8而在前不久，中國(guó)科學(xué)院大連化學(xué)物理研究所聯(lián)合西安交通大學(xué)，在電池健康管理領(lǐng)域取得新進(jìn)展。研究人員開發(fā)了一種新型的深度學(xué)習(xí)模型，有效地解決了傳統(tǒng)方法對(duì)大量充電測(cè)試數(shù)據(jù)的依賴，為電池實(shí)時(shí)壽命預(yù)估提供了新的思路，實(shí)現(xiàn)了鋰電池壽命的端到端評(píng)估。同時(shí)，該模型也是第一代電池?cái)?shù)字大腦 PBSRD Digit 核心模型的重要組成部分，為電池智能管理提供了解決方案。相關(guān)研究以「Deep learning powered lifetime prediction for lithium-ion batteries based on small amounts of charging cycles」為題，發(fā)表在 IEEE Transactions on Transportation Electrification 上。論文地址：https://ieeexplore.ieee.org/document/10613834深度學(xué)習(xí)技術(shù)應(yīng)用于電池壽命預(yù)測(cè)，圖源中國(guó)科學(xué)報(bào)此外，AI 在優(yōu)化電池材料的生產(chǎn)工藝中也展現(xiàn)出巨大潛力。以固態(tài)電池為例，其制造對(duì)電解質(zhì)的微觀結(jié)構(gòu)有嚴(yán)格要求。AI 技術(shù)能夠通過計(jì)算機(jī)視覺與優(yōu)化算法分析材料制備過程中的參數(shù)，如溫度、壓力等，從而提高生產(chǎn)一致性并降造成本。如法國(guó)皮卡第儒勒-凡爾納大合多所機(jī)構(gòu)的研究展示了如何通過機(jī)器學(xué)習(xí)技術(shù)監(jiān)測(cè)并優(yōu)化電極制造過程。該方法能夠?qū)崟r(shí)調(diào)整電池制造參數(shù)，從而大幅減少?gòu)U料和提高產(chǎn)品的一致性。相關(guān)研究以「Toward High-Performance Energy and Power Battery Cells with Machine Learning-based Optimization of Electrode Manufacturing」為題，發(fā)表在 Science 上。論文地址：https://www.sciencedirect.com/science/article/pii/S0378775323010509可以預(yù)見，在 AI for Science 范式的推動(dòng)下，電池材料領(lǐng)域正站在一個(gè)嶄新的技術(shù)的門檻上。AI 的應(yīng)用不僅為電池材料的研發(fā)帶來了新的思路和工具，而且正在重塑整個(gè)電池技術(shù)的發(fā)展路徑。百舸爭(zhēng)流，AI 加速新型電池產(chǎn)業(yè)化步伐電池行業(yè)正處于技術(shù)革新的浪潮之巔，而 AI 無疑是引領(lǐng)這場(chǎng)技術(shù)復(fù)興的核心驅(qū)動(dòng)力。AI 技術(shù)的深入應(yīng)用不僅在學(xué)術(shù)研究領(lǐng)域催生了電池科學(xué)的前沿理論，還在產(chǎn)業(yè)界展現(xiàn)出強(qiáng)大的實(shí)踐價(jià)值，為電池技術(shù)的商業(yè)化、規(guī)?；a(chǎn)以及性能優(yōu)化提供了全新動(dòng)力。在國(guó)際市場(chǎng)中，多家企業(yè)已經(jīng)搶先布局 AI 驅(qū)動(dòng)的電池研發(fā)。特斯拉通過 AI 優(yōu)化電池管理系統(tǒng) (BMS)，使用深度學(xué)習(xí)和機(jī)器學(xué)習(xí)技術(shù)預(yù)測(cè)電池健康狀態(tài)和壽命，并利用數(shù)據(jù)驅(qū)動(dòng)方法改進(jìn)超級(jí)充電與能量管理。韓國(guó)電池制造商 LG 新能源 (LG Energy Solution) 開發(fā)了 AI 平臺(tái)，專注于預(yù)測(cè)電池老化、失效模式以及能量管理優(yōu)化，同時(shí)為儲(chǔ)能系統(tǒng) (ESS) 提供動(dòng)態(tài)預(yù)測(cè)和優(yōu)化能力。鋰金屬電池企業(yè) SES AI 也宣布將聯(lián)手科技公司 NVIDIA、Crusoe 和 Supermicro，加速電池新材料研發(fā)，計(jì)劃使用為 AI 優(yōu)化的高性能超級(jí)計(jì)算機(jī)，繪制小分子數(shù)據(jù)庫(kù)，從而提升對(duì)電池化學(xué)體系的理解，加快發(fā)展能量存儲(chǔ)解決方案。除此之外，NVIDIA 也在最近宣布 ALCHEMI NIM 項(xiàng)目正通過 AI 技術(shù)加速電動(dòng)汽車電池和太陽能電池板等可持續(xù)能源材料的研發(fā)。這些項(xiàng)目能夠高效模擬和預(yù)測(cè)材料的電化學(xué)性能，不僅縮短了新材料的研發(fā)周期，還大幅降低成本，為全球能源轉(zhuǎn)型提供了技術(shù)支持。圖源 X回歸國(guó)內(nèi)市場(chǎng)，各家企業(yè)的電池研發(fā)技術(shù)創(chuàng)新也是呈百家爭(zhēng)鳴之勢(shì)。作為全球動(dòng)力電池行業(yè)的領(lǐng)軍者，寧德時(shí)代積極將 AI 技術(shù)應(yīng)用于電池化學(xué)和材料性能的建模優(yōu)化，專注于高能量密度電池的研發(fā)。2023 年 12 月，寧德時(shí)代宣布將在香港設(shè)立國(guó)際研發(fā)中心聚焦于 AI for Science。寧德時(shí)代董事長(zhǎng)曾毓群也在近一年多次在公開場(chǎng)合提及加快導(dǎo)入 AI，尤其在電池材料體系創(chuàng)新方面。寧德時(shí)代發(fā)布神行超充電池，圖源網(wǎng)絡(luò)此外蜂巢能源 (SVOLT) 在江蘇金壇率先打造出行業(yè)首家車規(guī)級(jí) AI 智能動(dòng)力電池工廠，利用 AI 進(jìn)行電池全流程管控，推出了一系列高性能電池產(chǎn)品，極大地加速了新能源電池的規(guī)?；瘧?yīng)用。與此同時(shí)，一些 AI 電池材料初創(chuàng)公司也如雨后春筍般出現(xiàn)在國(guó)外市場(chǎng)上，如 QuantumScape、Inobat Auto、 Mitra Chem、Aionics 等，旨在將人工智能引入電池開發(fā)領(lǐng)域，其中 Mitra Chem 更是被一些電池技術(shù)界的大拿們描述為「位于硅谷的一家由人工智能技術(shù)驅(qū)動(dòng)的電池材料革新者」。而我國(guó)市場(chǎng)上也涌現(xiàn)出了一批新能源 AI 企業(yè)，如歐陽明高院士團(tuán)隊(duì)孵化的企業(yè)昇科能源，發(fā)布了全球首個(gè)電池 AI 大模型 PERB2.0。這一模型能夠處理和分析海量電池?cái)?shù)據(jù)，在電池設(shè)計(jì)、性能優(yōu)化和智能決策方面發(fā)揮關(guān)鍵作用。綜上所述，無論是國(guó)際市場(chǎng)還是國(guó)內(nèi)企業(yè)，無論是頭部企業(yè)還是初創(chuàng)公司，在電池研發(fā)領(lǐng)域，都在積極地?fù)肀?AI。寫在最后放眼當(dāng)下，從材料發(fā)現(xiàn)到制造優(yōu)化，從性能預(yù)測(cè)到全生命周期管理，AI 技術(shù)正在全面賦能電池研發(fā)的每一個(gè)環(huán)節(jié)，為新能源產(chǎn)業(yè)注入強(qiáng)勁動(dòng)力。通過將科研成果與產(chǎn)業(yè)實(shí)踐深度融合，AI 不僅加速了技術(shù)迭代，還推動(dòng)了電池技術(shù)的大規(guī)模應(yīng)用和成本下降。但任何事物的發(fā)展是曲折上升的， AI 與電池研發(fā)的深度融合也不是一蹴而就的。正如寧德時(shí)代董事長(zhǎng)曾毓群所言，「AI4S（用于電池材料研發(fā)）目前還沒有特別好的模型、結(jié)構(gòu)、算法，還有很長(zhǎng)的路要走。」參考資料：1.http://finance.people.com.cn/n1/2024/0812/c1004-40297368.html2.https://www.auto-made.com/news/show-16443.html3.https://www.engineering.org.cn/sscae/CN/article/downloadArticleFile.do?attachType=PDF&id=285284.https://esst.cip.com.cn/CN/10.19799/j.cnki.2095-4239.2024.06985.http://www.xinhuanet.com/science/20241121/6c8a64232e464ee886b8dc4c732f81fd/c.html6.https://developer.nvidia.com/zh-cn/blog/revolutionizing-ai-driven-material-discovery-using-nvidia-alchemi/7.http://www.dicp.cas.cn/xwdt/mtcf/202410/t20241022_7405757.html8.https://www.cas.cn/syky/202411/t20241120_5040077.shtml9.https://www.sciencedirect.com/science/article/pii/S2590116823000474往期推薦戳“閱讀原文”，免費(fèi)獲取海量數(shù)據(jù)集資源！