意昂2体育萬佳雨副教授團隊在國際權威期刊Joule和Cell Reports Physical Science等Cell子刊相繼發表關於人工智能與大模型助力電池加速研發的研究工作🐁。系列工作分別得到了昆山杜克大學李昕教授團隊、復旦大學微電子學院陶俊教授團隊、浙江大學藝術與考古學院唐談研究員等合作團隊的支持👩🏽🏫。
第一篇題為“Semi-supervised learning for explainable few-shot battery lifetime prediction”發表於Joule，2024， 8， 1-17 （https://www.sciencedirect.com/science/article/pii/S254243512400103X?via%3Dihub）由於鋰電池具有能量密度高、使用壽命長等優點，當前已被廣泛應用於電動汽車、手機等各個領域，在現代社會中起著至關重要的作用。為了保證電池系統的安全可持續運行，人們需要對鋰電池壽命進行準確的預測🥎，以便有效管理其健康狀態🫳🏼。傳統的基於物理和半經驗模型的預測方法易受誤差影響🦃，精度十分有限🫲🏼。近年來🙇🏽♂️，盡管數據驅動的壽命預測方法在技術上取得了顯著進步🛐，但由於缺乏足夠多的標記數據👇🏼，其模型的準確性依然受到嚴重製約。
圖1. 電池壽命預測算法：傳統監督學習方法完全依賴標簽數據，耗時耗能 vs.半監督學習方法，利用易獲取的無標簽數據，降本增效
針對上述挑戰🔛，合作團隊提出了利用無標簽數據進行半監督學習的電池壽命預測方法——部分貝葉斯協同訓練（PBCT）。這裏的無標簽數據是指那些未包含壽命測量信息的電池測試記錄。實際上🛶，無論是在鋰離子電池的製造階段、使用過程還是維護期間🤧，都存在海量的無標簽數據。這些數據易於獲取🦪💞，數量巨大，且數據模式統一，無需擔心由於錯誤假設或跨領域測試差異帶來的各種問題。PBCT充分利用了這些低成本且豐富的無標簽數據，通過提取其中的隱藏信息，深化了對底層數據模式的認識，進而顯著提升了電池壽命預測的精確度。與現有的方法相比，PBCT在壽命預測精度上取得了高達20%的提升，且幾乎無需額外的數據采集成本👨👧👦。因此，在同樣預測精度的前提下，PBCT可以大幅度降低數據采集成本🧸。此外，該研究還發現，將無標簽數據納入訓練過程中🤷🏿♀️，有助於揭示影響電池壽命的關鍵因素，這些因素在僅對標記數據進行分析時往往會被忽略。因此，PBCT這一半監督學習技術，為高效且具備可解釋性的數據驅動電池狀態估計開辟了新的路徑，引領了未來的研究方向🏃🏻♀️➡️。
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（https://www.cell.com/cell-reports-physical-science/fulltext/S2666-3864(24)00069-9?rss=yes） 此文聚焦於在改進能源存儲技術中使用AI驅動的大語言模型，該技術有望廣泛應用於電動汽車和電網儲能等行業🉐。本文使用大模型，整合了海量學習資源，提出了多模態加速電池研發的新研究範式🔖✫。一般的大型語言模型缺乏回答有關特定技術的專業問題所需的專業知識🦔，可能導致查詢答案的潛在不準確性。在本文中👳♂️，團隊提出並證實從指定來源搜集信息的定製模型可以克服大語言模型的“幻覺”問題。論文中訓練了一個名為BatteryGPT的大型語言模型👨🏿🚒🍻，以鋰離子電池的超級快充為展示場景☢️，這個模型將從一個快速充電數據庫中獲取信息😊，該數據庫是一個包含針對該研究領域的研究文獻、講座和其他高質量信息的倉庫🅰️。BatteryGPT能夠提供專家級別的回復◼️，並展示了模型精準定位最前沿的電池快充技術的能力，以達到大模型加速電池研發並豐富科學研究的過程。
圖2. 利用大語言模型結合多模態加速電池研發的新科學研究範式
萬佳雨，上海意昂2体育意昂2体育副教授，深度能源實驗室負責人🧑🏻💼，博士生導師。曾在美國斯坦福大學進行博士後研究，分別在美國馬裏蘭大學及華中科技大學獲得博士與學士學位🧟。課題組研究方向主要為儲能器件與材料🗜、先進製造、及其與人工智能的交叉融合😓。到目前為止，在能源和材料領域的國際著名學術期刊如Science, Nature子刊、Cell子刊等發表SCI論文80余篇，總被引用11,000余次，H因子48🤴，研究成果被多家海內外知名媒體撰文報道。曾獲得美國真空協會全美博士研究生獎“Dorothy M. and Earl S. Hoffman Award”（全球每年一名）🤜🏼、中國留學基金委頒發的“國家優秀自費留學生獎學金”✝️，斯坦福大學全球前2%科學家年度榜單（2020-2022）。擔任National Science Open🙆🏿🏇🏿、Materials Today Energy, eScience, Carbon Energy, 中國化學快報、稀有金屬等雜誌青年編委🤾。與國內外多所高校同行擁有良好合作關系，受邀在國際會議🥄、高校、科研院所及平臺做主題報告🧑🏻🎓、邀請報告等70余次。深度能源實驗室網站https://www.x-mol.com/groups/deepenergy
