发布日期：2026-02-23 10:52    点击次数：173

好意思国密歇根大学工程学院科学家在近期出书的《当然》杂志发表论文，晓示开辟出一款基于“发现学习”理念的东说念主工智能（AI）用具。这款全新的智能体仅需几天实验测试数据，即可准确展望新电板的轮回寿命。

传统测试需对电板进行数百致使上千次充放电轮回，耗时数月乃至数年，才能判断其何时容量衰减至筹谋值的90%以下。而这一新式AI系统仅凭前50次充放电轮回数据，就能精确预估整块电板的使用寿命，节俭约98%的期间和95%的动力猝然。这不仅大幅裁减了研发资本，也为下一代高性能电板的快速迭代提供了浩瀚助力。

该系统的灵感源自一种“边作念边学”的“发现学习”理解模式，其通过推行探索取得常识，而非被迫禁受表面谨防。团队将其引入AI边界，打造出这款AI智能体。

具体而言，这套系统由3个中枢模块协同职责。“学习器”认真提议问题，决定修复哪些电板原型，开云体育app并进行短周期测试以填补常识盲区；“施展注解器”分析历史数据，长入物理模子模拟电板里面反馈，挖掘不同电板间的共性轨则；“军师”则概述实验成果、物理模拟与过往教悔，最终展望新电板的轮回寿命。

所有经过如同科学家在实验室中不停试错、追思、再考据。AI不仅能从早期数据中捕捉退化趋势，还能识别要津影响身分。举例，高温下主导劣化的化学机制，在低温环境中可能微不及说念。

团队使用好意思国Farasis动力公司的袋式电板数据对该模子进行了考据。尽管考试集仅包含访佛AA电板的圆柱形电板，系统仍展望出了结构更复杂、尺寸更大的袋式电板性能。这意味着该智商具备细致的泛化才能，适用于多种电板模式。

{jz:field.toptypename/}

团队暗示，这项技巧当年可拓展至电板安全、快充性能等更多维度。更迫切的是，“发现学习”动作一种新式机器学习范式，有望奉行至化学、材料科学等高度依赖崇高实验的边界，为那些永远受限于高资本、长周期的筹议按下“加快键”。（记者刘霞）