首届材料人奖得主再登Nature大子刊，聚焦电池与AI交叉研究

本研究由微软研究院的Han Zhang、李钰琦等人合作，发表在Nature Machine Intelligence期刊上，题为《Battery lifetime prediction across diverse ageing conditions with inter-cell deep learning》。研究提出了一种名为BatLiNet的深度学习框架，旨在解决电池寿命预测中的关键问题，特别是在电动汽车和可再生能源等领域。BatLiNet通过结合“单电池学习”和“跨电池学习”两种机制，显著提高了在复杂老化条件下的预测准确性。研究结果表明，该模型在多个公开数据集上的误差降低了超过40%，并且在面对复杂老化条件时仍保持稳定。此外，BatLiNet还实现了从磷酸铁锂电池向其他电池体系的知识迁移，为低资源条件下的电池研究提供了新路径。这一成果不仅展示了人工智能在储能技术领域的强大潜力，也为能源存储领域的发展带来了深远影响。