北京
美国密歇根大学工程学院科学家在近期出版的《自然》杂志发表论文，宣布开发出一款基于“发现学习”理念的人工智能（AI）工具。这款全新的智能体仅需几天实验测试数据，即可准确预测新电池的循环寿命。
传统测试需对电池进行数百甚至上千次充放电循环，耗时数月乃至数年，才能判断其何时容量衰减至设计值的90%以下。而这一新型AI系统仅凭前50次充放电循环数据，就能精准预估整块电池的使用寿命，节省约98%的时间和95%的能源消耗。这不仅大幅降低了研发成本，也为下一代高性能电池的快速迭代提供了强大助力。
该系统的灵感源自一种“边做边学”的“发现学习”认知模式，其通过实践探索获取知识，而非被动接受理论灌输。团队将其引入AI领域，打造出这款AI智能体。
具体而言，这套系统由3个核心模块协同工作。“学习器”负责提出问题，决定建造哪些电池原型，并进行短周期测试以填补知识盲区；“解释器”分析历史数据，结合物理模型模拟电池内部反应，挖掘不同电池间的共性规律；“智囊”则综合实验结果、物理模拟与过往经验，最终预测新电池的循环寿命。
整个过程如同科学家在实验室中不断试错、总结、再验证。AI不仅能从早期数据中捕捉退化趋势，还能识别关键影响因素。例如，高温下主导劣化的化学机制，在低温环境中可能微不足道。
团队使用美国Farasis能源公司的袋式电池数据对该模型进行了验证。尽管训练集仅包含类似AA电池的圆柱形电池，系统仍预测出了结构更复杂、尺寸更大的袋式电池性能。这意味着该方法具备良好的泛化能力，适用于多种电池形态。
团队表示，这项技术未来可拓展至电池安全、快充性能等更多维度。更重要的是，“发现学习”作为一种新型机器学习范式，有望推广至化学、材料科学等高度依赖昂贵实验的领域，为那些长期受限于高成本、长周期的研究按下“加速键”。（记者刘霞）
（科技日报）
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
