电池寿命预测，Nature！

本文背景是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原型数据，形成了创新瓶颈。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，通过最少实验对新电池设计的寿命进行早期预测。研究结论表明，该方法在工业级电池数据集上验证有效，仅利用51%电池原型的前50次循环数据，预测误差可低至7.2%，与传统方法相比可大幅节省时间和能源，为加速电池研发和人工智能赋能科学发现提供了新路径。