机器学习预测电池循环寿命 | Nature

背景：开发长寿命电池对满足电动汽车与电网储能需求至关重要，但传统评估方法耗时耗能，且电池原型制造与测试伴随高排放，形成可持续性困境。研究目的：提出一种名为“Discovery Learning”的科学机器学习方法，融合主动学习、物理约束学习和零样本学习，旨在从极少实验数据中预测新电池设计的循环寿命，以降低实验成本、提升预测效率。结论：该方法在工业级数据集验证中，仅基于51%的电池原型数据便能以7.2%的平均绝对百分比误差预测寿命，相比传统方法可节省98%的时间与95%的能耗，有效加速电池创新并缓解可持续性困境，代表了AI4Science领域的概念性进展。