电池寿命预测，Nature！

本文背景在于开发长寿命电池对电动汽车和电网储能至关重要，但传统寿命评估方法耗时耗能，且需要大量已标注数据，阻碍了电池创新。研究目的是提出一种名为“发现学习法”的科学机器学习方法，该方法整合主动学习、物理引导学习和零样本学习，旨在利用历史电池数据，通过最少实验预测新电池设计的寿命。研究结论表明，该方法在工业级数据集上验证有效，仅使用51%电池原型的前50次循环数据，预测循环寿命的测试误差为7.2%，与传统方法相比可显著节省时间和能源，为加速电池研发和人工智能赋能科学发现提供了新途径。