新华网北京8月11日电（记者凌纪伟）研发周期长、成本高、创新难……当前电池研发面临的这些痛点，有望因AI for Science的加持而得以突破。在8月11日召开的2023科学智能峰会“AI4S：奔跑中的新能源（新能源应用专场）”学术峰会上，由深势科技开发的电池设计自动化平台（简称BDA）Piloteye正式发布，助力电池研发率先进入AI for Science时代。
(相关资料图)
深势科技高级研究员、材料研发总监王晓旭
会上，深势科技高级研究员、材料研发总监王晓旭介绍道，Piloteye作为深势科技自研AI for Science时代BDA电池设计自动化平台，通过AI和多尺度模拟算法突破、算法工程化的实践和与行业需求结合的产品开发能力，可以更快速、精准地完成电池的设计和研发，提升电池研发的创新效能。
人工智能助力电池研发成为行业新趋势
人类文明的诞生与能源的开发息息相关，能源也是科技进步的核心引擎。随着全球气候变化加剧，必须加快能源结构转型，发展低碳、清洁、高效的新能源技术。其中，电化学能源是解决未来新能源产业化的重要途径。
电池是最常见、最重要的储能设备之一，电动汽车、移动设备、智能家居等领域的快速发展也推动电池技术不断创新和提高。面向未来，围绕电池的安全性、稳定性、快充效率和循环寿命等特性的研究，大规模储能难题以及储能设备可能面临的安全风险，都是摆在科研工作者面前的难题。同时，电化学体系的复杂性和多尺度性给理论计算和实验表征带来巨大挑战。
王晓旭提出，在AI for Science新范式的发展下，利用人工智能等新技术来突破电池研发的难点，开发更高效、更可靠的电池设计自动化平台成为电池研发行业的重要趋势。
据了解，利用AI for Science新范式可以加速电池从材料到电芯的理性设计。将AI与科学计算方法结合，有望搭建从材料微观机理到宏观电芯电化学，到面向能源电池全生命周期研发需求的自动化设计平台（BDA）。
Piloteye 跨尺度科学研究平台加速电池研发进程
市场需求大，让电池行业面临激烈竞争。为在竞争中脱颖而出，企业需要持续提升产品的竞争力，积极寻求高效的产品迭代和创新。在这背景下，加强对研发系统的投入变得尤为重要。
王晓旭表示，通过“实验试错”手段开展的传统电池研发，需要经过多个环节，整个研发周期可能需要数年时间，需要大量的资金投入，包括设备、人力、原材料等。在电池领域的研发探索中，AI赋能的多尺度模拟、材料设计优化等技术正引领着全新的发展方向。
电池作为典型的跨尺度科学研究领域，涵盖了从微观到宏观尺度的广泛范围。微观尺度下，需要理解电池反应机理；而微观到介观尺度下，预测材料相变、离子输运、物化稳定性、表面界面、枝晶生长等问题成为关键；再到宏观尺度下，设计电芯极片结构、析锂检测、容量损失分析等等。这些问题都要依赖于跨尺度的方法和手段才能得以解决。
王晓旭介绍说，Piloteye 通过将ABACUS、DeePMD、Uni-Mol、DMFF和电化学模型AI自动调参等一系列以AI for Science原理和数据驱动的创新算法整合到电池研发的过程中，提高计算模拟研究电池的精度和可靠性，加速电池材料到电芯研发进程，帮助研发人员优化电池设计和生产过程，更快响应市场上多样化的需求。
Piloteye“全链条”优化电池研发多尺度建模计算
通过结合领域先进的算法以及行业专家丰富的实战经验，深势科技电池设计自动化平台Piloteye目标克服传统多尺度计算的瓶颈，帮助真正实现“全链条”全局优化。
从微观材料性质计算出发，到介观材料颗粒的物化性质，再到电极电芯尺度的电化学性能，通过Deep Potential系列方法形成各个计算尺度之间标准的输入输出，弥补其他传统通用性仿真软件中过多经验参数而导致模型精度的不确定性。
在高精度的标准下，Piloteye 利用人工智能大幅度提高计算效率，借助友好的用户设计理念，无缝嵌入当前研发流程，作为基础应用工具参与到电池日常的设计中，真正参与电池企业研发环节，推动产业上下游更加高效地协作，全方位改变电池研发、制造、运营的整体图景。
这一系列有效突破研发瓶颈的AI for Science创新算法，结合电池研发需求已经形成端到端的解决方案，发布在了Piloteye电池自动化研发设计与实践平台，从而实现交互式、端到端实现电解液性质评估和预测及配方筛选；正负极材料性质评估与参杂筛选和机理预测；电芯设计与性能评估等，满足电池研发关键需求。
王晓旭表示，Piloteye 电池设计自动化平台针对电池领域企业研发的关键需求，从创新算法、工程化及行业解决方案等方面系统赋能电池材料开发和电芯设计，已经成功为电池产业上下游多家头部企业提供了AI for Science解决方案，让一部分先进电池研发团队率先进入AI for Science时代。
作为中关村论坛系列活动，2023科学智能峰会由北京科学智能研究院主办，旨在搭建AI for Science领域科研突破、技术培育、人才交流的共建共创平台，共同推动AI for Science的基础设施建设，激发创新效能。峰会设置十场主题分论坛，议题覆盖模型算法、数据库、能源材料、算力引擎等。
