【会议报告】AI for Science 赋能固态电池智能研发

固态电池具有安全性好、能量密度高、循环性能强等优点，受到学界和业界的广泛关注，研发进入了竞争激烈的阶段。传统通过“实验试错”手段开展的固态电池研发方式，需要经过多个环节，试错成本和研发效率限制了从新材料开发到电芯产品大规模量产的迭代速度与产品竞争力。在AI for Science新范式的发展下，利用人工智能等新技术来突破固态电池研发的难点，开发更高效、更可靠的电池设计自动化成为电池研发行业的重要趋势，基于多尺度模拟算法的突破和AI预训练模型和实验全生命周期研发流程结合，构建新的研发范式，更快速、精准地完成固态电池的开发和迭代优化，持续提升固态电池研发的创新效能。

什么是AI for Science？AI for Science，即人工智能驱动的科学研究，就是利用AI的技术和方法，去学习、模拟、预测和优化自然界和人类社会的各种现象和规律，从而推动科学发现和创新。AI for Science不仅可以帮助科学家解决已有的问题，也可以帮助科学家发现新的问题和方向。这将为科学研究带来新的范式和机遇。

深势科技作为“AI for Science”科学研究范式的引领者和践行者，正在通过微尺度工业基础设施和新一代工业设计与仿真系统从“根本”上助力包括电池在内的多个领域的研发工作，赋能更多的产业企业。

针对固态电池的量产所涉及的整个产业链的协同发展，包括材料供应、制造工艺、设备开发等环节，深势科技推出的 Piloteye^®电池设计智能研发平台，从真问题出发，提供了一系列的解决方案和新思路。

Piloteye^®电池设计智能研发平台从RDMTA这五个电池研发的关键环节，基于AI for Science新范式，利用DP系列多尺度建模算法、Uni-Mol分子构象大模型、DPA分子模拟大模型、Uni-ELF配方大模型、具有GPU加速与自动微分功能的新一代电化学计算模型、电芯老化模式定量分析算法等一系列人工智能新技术突破电池研发难点。

核心功能包括但不限于第一性原理正极掺杂筛选评估、“百万级”电解液配方设计和筛选、高精度固态电解质预训练大模型性质预测、高精度高效的电芯短期性能预测、电芯循环老化模式的定量分析、智能工艺优化等多个关键应用场景, 推动“设计理性化”、“开发平台化”和“制造智能化”的实现。

针对固态电池相关的技术、材料、市场及产业等方面的问题，中国粉体网将于2024年9月5-6日在常州举办第六届高比能固态电池关键材料技术大会。为致力于固态电池技术开发的企业，科研院校，以及电动车、储能、特种应用等终端企业提供信息交流的平台，开展产、学、研合作，共同推动行业发展。届时，深势科技/北京科学智能研究院智能研发副总裁王晓旭将作题为《AI for Science 赋能固态电池智能研发》的报告，报告将详细介绍深势科技固态电池智能研发的成果与应用。

专家简介：

王晓旭，深势科技/北京科学智能研究院，智能研发副总裁，负责材料与工艺设计方向，北京科技大学理学博士。在公司的研究方向主要为AI for Science新研究范式下利用AI及多尺度计算理性研发设计新型能源材料和器件（电池、催化化工、光伏等），电池BDA（Battery Design Automation；电池设计自动化）研发与实践平台-Piloteye负责人，相关学术成果发表JACS、AM、AEM、AFM、JMCA、CEJ等SCI论文30余篇。承担/参与科技部、工信部等重点国家专项和企业研发项目十多项。第一届中国化工学会化工大数据与智能设计专业委员会委员。曾任职于北京市计算中心，负责新材料计算平台设计、新材料高通量筛选和机器学习优化等工作；以第一责任人获得研发成果获得数博会领先科技成果奖-“新技术”奖、全国发明展览会“发明创业奖”、中国大数据与智能计算技术“创新奖”等行业奖多项。

参考来源：

深势科技官网、官微、粉体网、新华网、网络公开信息等

注：图片非商业用途，存在侵权告知删除！

本文地址：http://libattery.net/news/details2369.html