电池技术的迭代周期和研发范式正在被改写。

2月4日,国际顶级学术期刊《Nature》发表了题为《Discovery Learning predicts battery cycle life from minimal experiments》的研究论文,对电池寿命预测提出了成本更低、时间更短、预测更精准的新方法。

打开网易新闻 查看精彩图片

Nature》显示,Discovery Learning可以实现将新电池验证周期从约1333天缩短至33天,能耗从8.523 MWh降低至0.468 MWh。该技术摆脱了对大量实验数据和原型制作的依赖,大幅降低了新电池开发时间与能耗成本,将为推动电池在电动汽车、电网储能以及其它应用场景大规模应用提供关键支撑。

打开网易新闻 查看精彩图片

左为孚能科技研发副总裁姜蔚然,右为密歇根大学宋子由教授

该论文成果由中国动力电池企业——孚能科技研发副总裁姜蔚然与密歇根大学安娜堡分校教授宋子由联合主导。

01

发现学习,极低实验成本实现电池寿命精准预测

电网储能与电动汽车领域,对电池循环寿命要求和关注度,都要远高于消费电子、工业备用电源等其它应用领域。其核心原因在于,电池循环寿命直接决定了储能项目全生命周期的收益、成本和稳定性;电动汽车特别是如商用车,其运营成本、长期运营收益和二手车残值,直接取决于电池本身。可以说,电池循环寿命设计和精准预测,直接影响着电网储能和汽车电动化进程。

然而,传统电池寿命评估存在两大痛点:一是时间成本极高,单次完整退化实验耗时数年,严重拖慢下一代电池研发迭代;二是能耗与环境代价大,电池原型制造与循环测试能耗高。

在此背景下,孚能科技研发副总裁姜蔚然、密歇根大学宋子由教授团队,创新性提出“发现学习(Discovery Learning, DL)”的科学机器学习方法,做到了以极低的实验成本,实现电池寿命的快速精准预测。

“发现学习”方法,受教育心理学启发,模拟人类推理过程,将主动学习、物理约束学习和零样本学习有机融合,构建类人推理闭环学习框架:

首先由“学习者”(Learner)主动筛选信息量最大的未测试电池设计;“解释者”(Interpreter)构建跨设计的物理特征空间,以对齐历史与未知数据;“先知”(Oracle)则基于历史数据,对新设计进行零样本推断,生成伪标签反馈给学习者。

DL定义的三个核心智能体,Learner、Interpreter 和 Oracle闭环迭代,直至达到预设精度阈值,大幅减少原型实验依赖,为电池寿命评估提供高效捷径。

为验证“发现学习”模型,孚能科技研发副总裁姜蔚然、密歇根大学宋子由教授团队,构建了一个工业级电池老化数据集:用123 个大型软包电池做了工业级验证,覆盖8种电极材料设计,寿命跨度 250-1700 次循环。

最终实验显示,“发现学习”仅用51% 的电池原型,且只测前50 次循环(相当于寿命的零头),就可以做到对全新设计电池寿命预测误差控制到7.2%以内,比现有主流测试方法高效、精准。

更值得一提的是,相比传统耗时近1333天、能耗8.523MWh的流程,“发现学习”仅需33天与0.468MWh,节省约98%的时间与95%的能耗,为电池创新提供了高效可靠的评估路径。

02

“发现学习”,将重构电池研发底层逻辑

当前,电池的能量密度、安全和补能效率已快速提升,但循环寿命及精准预测一直是行业的短板,限制了电池在高度关注运营经济性的商用车和大储领域的应用潜力。

孚能科技研发副总裁姜蔚然、密歇根大学宋子由教授团队研发的“发现学习”方法,之所以能在国际顶级期刊亮相,不仅是其基于电池循环寿命的精准预测,突破了电动汽车和电网储能对电池寿命预测不准确的痛点,更是让电池研发不再受限于“时间黑洞”和“盲人摸象”。

传统的电池材料开发,主要依赖于科学家,往往存在经验和运气的成分,且测试、验证时间周期非常长。“发现学习”方法的出现,远不止对于电池寿命的精准预测和设计。

据电池中国了解,“发现学习”还可以拓展至电池其它方面,未来还能精准预测电池安全性、快充能力,以及电池其它性能优化。

依托“发现学习”的理论验证模型,结合先进制造、高通量测试,电池研发效率有望实现指数级跨越。

此外,“发现学习”类人推理,也为其它材料、能源等复杂系统的研发,提供了“少实验、高精度”的可借鉴思路。

锂离子电池商业化应用已经有三十多年的历史,但目前仍然基于三元、磷酸铁锂等基础材料体系,同时电池材料、设计和结构的迭代节奏,是按年甚至十年推进。

过去,电池研发是“十年磨一剑”,现在“Discovery Learning”基于工业级和量产线的验证,有望让电池各性能的研发,进入“一年磨十剑”的新阶段。

03

“发现学习”,孚能科技的“新利器”

作为全球软包动力电池头部企业,孚能科技在高能量密度、高安全、快充电池研发领域,一直处于行业前列。

其中,在高能量密度电池产品开发方面,孚能科技为高端车型开发的三元高镍电池,量产产品能量密度已达300-330Wh/kg;三元中镍电池能量密度285Wh/kg已实现装车应用,且循环寿命超5000次,在全电压区间针刺达标;磷酸铁锂电池量产能量密度也达到了220Wh/kg。

在前沿电池技术方面,孚能科技半固态电池已成功量产两代,出货量已达GWh级别,产品获得三一重卡、一汽解放、美国头部eVTOL客户、上海时的、小鹏汇天、沃飞长空、零重力等多领域头部客户认可。

在全固态电池方面,孚能科技已完成向某头部人形机器人客户送样硫化物全固态电池。

在行业非常关注的安全方面,孚能科技半固态电池在80%、100% SOC状态下,均能轻松通过针刺测试,且能耐受250℃热箱测试,远超国标130℃的要求;全固态电池在经过剪切、针刺等极端测试后,依然能够正常工作,产品已通过技术和市场的双重验证,充分彰显了其高可靠的安全性与稳定性。

此次研究成果在《Nature》刊发,并获封面推荐展示,这背后既得益于孚能科技在技术开发、理论探索方面的长期积累,也得益于其在新技术和模型验证上具备的制造优势。该成果破解了电池开发成本高昂、周期过长的长期行业痛点,充分展现了孚能科技在新能源领域卓越的科研实力与引领行业变革的先锋姿态。而孚能科技之所以能在电池产品及性能方面,始终保持行业领先地位,正是源于其在研发能力上的持续引领与支撑。

打开网易新闻 查看精彩图片

同样的,这种新技术的快速验证优势,也将进一步巩固孚能科技在新电池技术领域的研发优势。

例如,“发现学习”将电池传统寿命验证,压缩至33 天、0.468 MWh,节省 98% 时间与 95% 能耗,可将孚能科技在关键技术领域的研发周期,从“年级”缩至“月级”,加快其在固态电池等前沿技术上的迭代速度;

其次,仅需51%原型的前50次循环数据,即可实现远超现有主流路径,可帮助孚能科技大幅减少研发制造的试错成本。

当然,更为重要的优势,体现在产品和市场侧。一方面,孚能科技将“发现学习”迁移到快充、安全、高能量密度等性能预测上,将加速公司整体研发平台迭代,从而可满足乘用车、商用车、eVTOL、机器人、船舶等不同场景的产品研发效率与可靠性。

另一方面,孚能科技也可基于“发现学习”等颠覆技术,为更多汽车、储能、低空、机器人和其它领域客户,提供更可靠、精准的产品技术支持。比如,为电网储能提供循环寿命和成本的精准测算,从而可实现全生命周期成本大幅下降,这种更为清晰可见的“收益”,才是竞争的利器。