科技日報記者 劉霞

美國密歇根大學工程學院科學家在近期出版的《自然》雜志發(fā)表論文，宣布開發(fā)出一款基于“發(fā)現(xiàn)學習”理念的人工智能（AI）工具。這款全新的智能體僅需幾天實驗數(shù)據(jù)，即可準確預測新電池的循環(huán)壽命。

傳統(tǒng)測試需對電池進行數(shù)百甚至上千次充放電循環(huán)，耗時數(shù)月乃至數(shù)年，才能判斷其何時容量衰減至設計值的90%以下。而這一新型AI系統(tǒng)僅憑前50次充放電循環(huán)數(shù)據(jù)，就能精準預估整塊電池的使用壽命，節(jié)省約98%的時間和95%的能源消耗。這不僅大幅降低了研發(fā)成本，也為下一代高性能電池的快速迭代提供了強大助力。

該系統(tǒng)的靈感源自一種“邊做邊學”的“發(fā)現(xiàn)學習”認知模式，其通過實踐探索獲取知識，而非被動接受理論灌輸。團隊將其引入AI領(lǐng)域，打造出這款AI智能體。

具體而言，這套系統(tǒng)由3個核心模塊協(xié)同工作。“學習器”負責提出問題，決定建造哪些電池原型，并進行短周期測試以填補知識盲區(qū)；“解釋器”分析歷史數(shù)據(jù)，結(jié)合物理模型模擬電池內(nèi)部反應，挖掘不同電池間的共性規(guī)律；“智囊”則綜合實驗結(jié)果、物理模擬與過往經(jīng)驗，最終預測新電池的循環(huán)壽命。

整個過程如同科學家在實驗室中不斷試錯、總結(jié)、再驗證。AI不僅能從早期數(shù)據(jù)中捕捉退化趨勢，還能識別關(guān)鍵影響因素。例如，高溫下主導劣化的化學機制，在低溫環(huán)境中可能微不足道。

團隊使用美國Farasis能源公司的袋式電池數(shù)據(jù)對該模型進行了驗證。盡管訓練集僅包含類似AA電池的圓柱形電池，系統(tǒng)仍預測出了結(jié)構(gòu)更復雜、尺寸更大的袋式電池性能。這意味著該方法具備良好的泛化能力，適用于多種電池形態(tài)。

團隊表示，這項技術(shù)未來可拓展至電池安全、快充性能等更多維度。更重要的是，“發(fā)現(xiàn)學習”作為一種新型機器學習范式，有望推廣至化學、材料科學等高度依賴昂貴實驗的領(lǐng)域，為那些長期受限于高成本、長周期的研究按下“加速鍵”。