生成式人工智能在电池研究中的应用：现状与展望

摘要

随着可再生能源与电动交通工具的快速发展，电池作为电化学储能系统的核心组件已成为全球科研与产业界的关注焦点。然而，电池内部复杂的多物理场耦合效应使得传统数学模型难以全面揭示其反应及失效机理，而数据驱动方法通过大量积累实验数据并从中提取有效信息，为电池研发奠定了坚实的基础。生成式人工智能(GAI)凭借其强大的潜在规律学习与数据生成能力，在蛋白质结构预测、材料逆向设计、数据增强等方面得到了广泛的应用，在电池多尺度研究中具有广阔的应用前景。本文阐释了生成式模型(GM)的核心原理，并从材料设计、微观表征及状态估计三方面综述了其在电池研究中的最新进展，最后探讨了其当前面临的挑战及未来发展方向，为将GAI这一创新解决方案运用于电池研发的工作流中提供了理论参考和实践依据。

关键词

锂电池 / 生成式人工智能 / 材料设计 / 微观表征 / 状态估计

基金资助

上海交通大学“新进青年教师启动计划”(23X010502145)资助项目