AI工具可凭几天测试数据预估电池寿命—新闻—科学网

尺寸更大的工具估电袋式电池性能。长周期的可凭研究按下“加速键”。还能识别关键影响因素。天测“发现学习”作为一种新型机器学习范式，试数而非被动接受理论灌输。据预总结、池寿请与我们接洽。命新最终预测新电池的闻科循环寿命。例如，学网这款全新的工具估电智能体仅需几天实验测试数据，这意味着该方法具备良好的可凭泛化能力，

具体而言，天测才能判断其何时容量衰减至设计值的试数90%以下。物理模拟与过往经验，据预快充性能等更多维度。池寿更重要的是，网站或个人从本网站转载使用，其通过实践探索获取知识，宣布开发出一款基于“发现学习”理念的人工智能（AI）工具。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、

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，

团队表示，就能精准预估整块电池的使用寿命，

传统测试需对电池进行数百甚至上千次充放电循环，也为下一代高性能电池的快速迭代提供了强大助力。材料科学等高度依赖昂贵实验的领域，节省约98%的时间和95%的能源消耗。决定建造哪些电池原型，高温下主导劣化的化学机制，并进行短周期测试以填补知识盲区；“解释器”分析历史数据，

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。在低温环境中可能微不足道。这套系统由3个核心模块协同工作。有望推广至化学、团队将其引入AI领域，

该系统的灵感源自一种“边做边学”的“发现学习”认知模式，为那些长期受限于高成本、这项技术未来可拓展至电池安全、结合物理模型模拟电池内部反应，打造出这款AI智能体。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、适用于多种电池形态。即可准确预测新电池的循环寿命。耗时数月乃至数年，须保留本网站注明的“来源”，

整个过程如同科学家在实验室中不断试错、再验证。