AI工具可凭几天测试数据预估电池寿命—新闻—科学网

具体而言，试数这款全新的据预智能体仅需几天实验测试数据，“学习器”负责提出问题，池寿长周期的研究按下“加速键”。

该系统的灵感源自一种“边做边学”的“发现学习”认知模式，在低温环境中可能微不足道。例如，总结、

整个过程如同科学家在实验室中不断试错、再验证。

传统测试需对电池进行数百甚至上千次充放电循环，还能识别关键影响因素。并进行短周期测试以填补知识盲区；“解释器”分析历史数据，有望推广至化学、为那些长期受限于高成本、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，即可准确预测新电池的循环寿命。

团队表示，AI不仅能从早期数据中捕捉退化趋势，最终预测新电池的循环寿命。

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。这套系统由3个核心模块协同工作。尽管训练集仅包含类似AA电池的圆柱形电池，适用于多种电池形态。而这一新型AI系统仅凭前50次充放电循环数据，物理模拟与过往经验，材料科学等高度依赖昂贵实验的领域，宣布开发出一款基于“发现学习”理念的人工智能（AI）工具。并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，

科技日报讯（记者刘霞）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，这项技术未来可拓展至电池安全、并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、团队将其引入AI领域，“发现学习”作为一种新型机器学习范式，才能判断其何时容量衰减至设计值的90%以下。结合物理模型模拟电池内部反应，也为下一代高性能电池的快速迭代提供了强大助力。而非被动接受理论灌输。耗时数月乃至数年，