IT之家 2 月 9 日音书，一种全新器具有望极大加快科学家缱绻与测试电板的进度。密歇根大学的照拂东说念主员建设出一套机器学习系统，仅需老例测试中少许部分的数据，就能测度电板寿命，有望将原型研发周期申斥数月以至数年。

与传统测试需要数百乃至数千次充放电轮回不同，该模子仅通过 50 次轮回，便可估算新式电板的使用寿命。照拂团队暗示，这种顺序可将测试所需的本事与能耗申斥高达 95%，让工程师昔时所未有的速率与着力评估电板性能。

该照拂发表于《当然》（Nature）期刊，由密歇根大学电气与计较机工程系的宋子游（Ziyou Song，音译）助理讲解与博士生张嘉伟（Jiawei Zhang，音译）领衔建设。他们构建了一组被称为“智能局势”（agentic）AI 器具，每个器具齐承担挑升任务。这些组件协同使命，如同实际室里的照拂东说念主员一般 —— 分享数据、考证假定、连续优化收尾。

该照拂由好意思法令尔瑞斯动力（Farasis Energy USA）资助，这家总部位于加州的电板建设商同期提供了真正数据与软包电板，用于考证模子测度收尾。

这套 AI 框架的缱绻灵感源自愿现式学习（discovery learning），这是一种强调通过探索与扩充管制问题的训诲学旨趣。在此场景中，AI “学习者”如同东说念主类照拂者，从过往实际中学习：它回想此前电板缱绻的历史数据，开展小范围实际，并借助物理模子，将早期性能特征与最终轮回寿命关系起来。

据IT之家了解，通盘这个词经过分为三个明确脚色：学习者、解释器、预言者（oracle）。

学习者领先筛选有后劲的电板候选决策，在特定温度与电流条款下进行测试；这些初步熟识约为 50 次轮回，产生的数据由解释器通过物理信息运行模拟器进行分析；临了，预言者将分析收尾与现存常识聚积，测度每种缱绻的好意思满使用寿命。

学习者随后将测度收尾纳入连续扩充的数据集，随本事普及精度。在学习富饶多案例后，系统无需探究好意思满实际经过，即可胜利测度电板寿命，照拂东说念主员将其称为一种自主科学推理才气。

密歇根大学这一顺序与老例统计模子的中枢鉴别，在于其贯通深度。系统并非只存眷电压弧线、充电速率等上层电信号，而是解析底层物理与化学参数，包括电极材料在高温、应力与反复轮回下的行径规定。

这些机明白析让模子概况跨电板步地泛化：从阔绰电子中的袖珍圆柱电板，到电动汽车使用的柔性软包电板，均适用。

即便仅用圆柱电板数据素质，该 AI 仍能精确测度法尔瑞斯提供的大型软包电板性能。这标明，其基于物理的框架捕捉到了电板老化的多量规定。从内容利用来看，仅需数天测试即可取得可靠寿命测度，而传统历久性测试经常需要 1000 次以上轮回，耗时数月以至数年。

其能耗上风相通权贵：据照拂团队测算，使用该 AI 系统测度轮回寿命，能耗仅为传统大范围实际室测试的约 5%。

尽管刻下照拂聚焦于轮回寿命测度，照拂东说念主员已入辖下手拓展功能，包括测度安全极限、优化充电速率、筛选最相宜下一代锂离子电板的材料。

他们的更永远愿景远不啻于储能领域。由于发现式学习是一种可通用的科学顺序，团队合计开云体育，近似框架可加快化学、材料科学过火他受漫长、高亢实际周期为止的学科照拂。