課題組在國(guó)際權(quán)威期刊Joule和Cell Reports Physical Science等Cell子刊相繼發(fā)表關(guān)于人工智能與大模型助力電池加速研發(fā)的研究工作。系列工作分別得到了昆山杜克李昕教授團(tuán)隊(duì)、復(fù)旦大學(xué)微電子學(xué)院陶俊教授團(tuán)隊(duì)、浙江大學(xué)藝術(shù)與考古學(xué)院唐談研究員等合作團(tuán)隊(duì)的支持。

第一篇題為“Semi-supervised learning for explainable few-shot battery lifetime prediction”發(fā)表于Joule，2024， 8， 1-17 由于鋰電池具有能量密度高、使用壽命長(zhǎng)等優(yōu)點(diǎn)，當(dāng)前已被廣泛應(yīng)用于電動(dòng)汽車(chē)、手機(jī)等各個(gè)領(lǐng)域，在現(xiàn)代社會(huì)中起著至關(guān)重要的作用。為了保證電池系統(tǒng)的安全可持續(xù)運(yùn)行，人們需要對(duì)鋰電池壽命進(jìn)行準(zhǔn)確的預(yù)測(cè)，以便有效管理其健康狀態(tài)。傳統(tǒng)的基于物理和半經(jīng)驗(yàn)?zāi)Ｐ偷念A(yù)測(cè)方法易受誤差影響，精度十分有限。近年來(lái)，盡管數(shù)據(jù)驅(qū)動(dòng)的壽命預(yù)測(cè)方法在技術(shù)上取得了顯著進(jìn)步，但由于缺乏足夠多的標(biāo)記數(shù)據(jù)，其模型的準(zhǔn)確性依然受到嚴(yán)重制約。

圖1. 電池壽命預(yù)測(cè)算法：傳統(tǒng)監(jiān)督學(xué)習(xí)方法完全依賴(lài)標(biāo)簽數(shù)據(jù)，耗時(shí)耗能 vs.半監(jiān)督學(xué)習(xí)方法，利用易獲取的無(wú)標(biāo)簽數(shù)據(jù)，降本增效

針對(duì)上述挑戰(zhàn)，合作團(tuán)隊(duì)提出了利用無(wú)標(biāo)簽數(shù)據(jù)進(jìn)行半監(jiān)督學(xué)習(xí)的電池壽命預(yù)測(cè)方法——部分貝葉斯協(xié)同訓(xùn)練（PBCT）。這里的無(wú)標(biāo)簽數(shù)據(jù)是指那些未包含壽命測(cè)量信息的電池測(cè)試記錄。實(shí)際上，無(wú)論是在鋰離子電池的制造階段、使用過(guò)程還是維護(hù)期間，都存在海量的無(wú)標(biāo)簽數(shù)據(jù)。這些數(shù)據(jù)易于獲取，數(shù)量巨大，且數(shù)據(jù)模式統(tǒng)一，無(wú)需擔(dān)心由于錯(cuò)誤假設(shè)或跨領(lǐng)域測(cè)試差異帶來(lái)的各種問(wèn)題。PBCT充分利用了這些低成本且豐富的無(wú)標(biāo)簽數(shù)據(jù)，通過(guò)提取其中的隱藏信息，深化了對(duì)底層數(shù)據(jù)模式的認(rèn)識(shí)，進(jìn)而顯著提升了電池壽命預(yù)測(cè)的精確度。與現(xiàn)有的方法相比，PBCT在壽命預(yù)測(cè)精度上取得了高達(dá)20%的提升，且?guī)缀鯚o(wú)需額外的數(shù)據(jù)采集成本。因此，在同樣預(yù)測(cè)精度的前提下，PBCT可以大幅度降低數(shù)據(jù)采集成本。此外，該研究還發(fā)現(xiàn)，將無(wú)標(biāo)簽數(shù)據(jù)納入訓(xùn)練過(guò)程中，有助于揭示影響電池壽命的關(guān)鍵因素，這些因素在僅對(duì)標(biāo)記數(shù)據(jù)進(jìn)行分析時(shí)往往會(huì)被忽略。因此，PBCT這一半監(jiān)督學(xué)習(xí)技術(shù)，為高效且具備可解釋性的數(shù)據(jù)驅(qū)動(dòng)電池狀態(tài)估計(jì)開(kāi)辟了新的路徑，引領(lǐng)了未來(lái)的研究方向。

第二篇題為“Potential to transform words to watts with large language models in battery research”, Cell Reports Physical Science, 5, 101844, 2024 此文聚焦于在改進(jìn)能源存儲(chǔ)技術(shù)中使用AI驅(qū)動(dòng)的大語(yǔ)言模型，該技術(shù)有望廣泛應(yīng)用于電動(dòng)汽車(chē)和電網(wǎng)儲(chǔ)能等行業(yè)。本文使用大模型，整合了海量學(xué)習(xí)資源，提出了多模態(tài)加速電池研發(fā)的新研究范式。一般的大型語(yǔ)言模型缺乏回答有關(guān)特定技術(shù)的專(zhuān)業(yè)問(wèn)題所需的專(zhuān)業(yè)知識(shí)，可能導(dǎo)致查詢(xún)答案的潛在不準(zhǔn)確性。在本文中，團(tuán)隊(duì)提出并證實(shí)從指定來(lái)源搜集信息的定制模型可以克服大語(yǔ)言模型的“幻覺(jué)”問(wèn)題。論文中訓(xùn)練了一個(gè)名為BatteryGPT的大型語(yǔ)言模型，以鋰離子電池的超級(jí)快充為展示場(chǎng)景，這個(gè)模型將從一個(gè)快速充電數(shù)據(jù)庫(kù)中獲取信息，該數(shù)據(jù)庫(kù)是一個(gè)包含針對(duì)該研究領(lǐng)域的研究文獻(xiàn)、講座和其他高質(zhì)量信息的倉(cāng)庫(kù)。BatteryGPT能夠提供專(zhuān)家級(jí)別的回復(fù)，并展示了模型精準(zhǔn)定位最前沿的電池快充技術(shù)的能力，以達(dá)到大模型加速電池研發(fā)并豐富科學(xué)研究的過(guò)程。

圖2. 利用大語(yǔ)言模型結(jié)合多模態(tài)加速電池研發(fā)的新科學(xué)研究范式

半監(jiān)督學(xué)習(xí)加速電池研發(fā)論文網(wǎng)址：https://www.cell.com/cell-reports-physical-science/fulltext/S2666-3864(24)00069-9?rss=yes 

大模型加速電池研發(fā)論文網(wǎng)址：https://www.sciencedirect.com/science/article/pii/S254243512400103X?via%3Dihub

相關(guān)知識(shí)

北理工孫逢春院士團(tuán)隊(duì)最新Joule：深度學(xué)習(xí)算法為電池健康打分
人工智能大模型“拿捏”電池壽命
科學(xué)網(wǎng)—人工智能大模型“拿捏”電池壽命
【中國(guó)科學(xué)報(bào)】人工智能大模型“拿捏”電池壽命
推進(jìn)中國(guó)“腦計(jì)劃”研究 清華廖洪恩課題組在人工智能挖掘影像基因組學(xué)領(lǐng)域合作發(fā)表系列論文
人工智能在動(dòng)力電池健康狀態(tài)預(yù)估中的研究綜述
人工智能加速落地新藥研發(fā)
申良方教授團(tuán)隊(duì)在國(guó)際頂級(jí)期刊《Cancer Cell》發(fā)表高危局晚期鼻咽癌免疫治療新成果
Nature子刊發(fā)表附屬一院有關(guān)腫瘤饑餓療法新途徑的研究成果
FIE ?北理工陳來(lái)研究員：機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)支持的鋰離子電池健康狀態(tài)模擬和預(yù)測(cè)模型—論文—科學(xué)網(wǎng)

網(wǎng)址: 課題組在Joule等Cell子刊發(fā)表人工智能與大模型助力電池加速研發(fā)最新成果 http://m.u1s5d6.cn/newsview1388253.html