在当前“碳达峰、碳中和”的国家战略背景下，加快能源结构转型，发展低碳、清洁、高效的新能源技术势在必行。在8月11日举办的2023科学智能峰会“AI4S：奔跑中的新能源（新能源应用专场）”学术峰会上，中国科学院院士、北京大学教授鄂维南，中国科学院院士、嘉庚创新实验室名誉主任田中群，南京大学化学化工学院教授马晶，中国科学院物理研究所研究员李泓，北京理工大学、机械与车辆学院教授熊瑞，中国科学院高能物理研究员董俊才围绕如何利用人工智能，优化能源材料，表征与设计，加速新能源技术创新等主题进行精彩而深入的演讲与讨论。

  会上，田中群院士首先进行报告，介绍了面向新能源的人工智能和谱学电化学的交叉前沿以及发展趋势。田中群院士认为，新能源带来的是一条新的赛道，电化学在其中扮演着必不可缺的角色。当前风电、光电并到大电网，面临着巨大的挑战，适用什么样的储能方式还未有定论，电化学储能被普遍认为是重中之重。

(资料图片)

  在大规模储能面临的安全和效率两个关键问题中，AI最关键的应用对象就是复杂体系，越复杂的体系和越重要的复杂应用场景，越需要精准、高效的表征技术，也就越需要AI，如果AI不发展，在近期内很难看到前景。

  田中群院士直言，AI是会重新定义的未来。有了AI驱动，在未来可以形成在工况下实时表征、解析、反馈、控制全闭环，带来极大的好处。从料材器用、人工智能应用电化学以及新的研究和产业范式方面都大有可为。

  马晶教授在报告中指出，在氮循环和碳循环方面，对于描述符和机器学习的研究，除了能够从复杂抽提性质以外，还具备一个优点——找出共性。通过AI的驱动，希望用比较小量的计算结合化学知识，构建模型，并结合人的预测，从而替代实验做出吸附文献。

  马晶教授表示，“企业与行业的瓶颈也给我们带来问题，在底层从计算化学的角度，我们积累了包括计算数据在内的大量数据，相对于计算数据来说，实验数据标准化和收集更加困难，在这里就需要交叉联合，达到一定数据量就会得到意想不到的结果，甚至能够形成新的问题和假设。”

  谈及AI for Energy storage，李泓研究员介绍，电池应用场景非常多，包括交通电动化、能源清洁化两个大的方面，电池一直在发展，需要新的技术、新的性能。而要实现更高的指标，就需要不断开发新的材料。

  李泓研究员指出：“通过人工智能可以帮助我们加快发展新材料，这是非常重要的事情。对于正在发展的固态电池，若想构建创新链和产业链，需要有一个共性支撑的东西，就是数字化，我们希望在研发数字化，在制造数字化，在运维数字化，在监管数字化。”

  熊瑞教授认为，由于电池材料突飞猛进的革新，引起电池性能尤其是充放电平台甚至退化轨迹都在发生变化。由于电池更新换代太快，在应用端基于以前的电池，建的模型、算法应用到新的电池，偏差不言而喻。

  通过AI解决电池的状态估计，阻抗，老化诊断与寿命预测，析锂检测与故障诊断预警等方面问题，需要将多元信息融合，还要做到无监督学习，迁移学习，数据机理如何通过机理模型做这个事情，再做可解释性，透明性，最后将云计算和边缘计算结合起来，将寿命预测运用到前端。

  在会上，董俊才研究员作了题为《机器学习驱动的新一代同步辐射X射线吸收谱学分析技术革命，现状和展望》的报告。报告中指出，机器学习将在下一代X射线吸收谱学分析发挥独特的优势。传统的分析方法是科学家和用户之间进行交流沟通，而未来X射线谱的高通量在线表征、实时动态分析、真实工况，多谱学联用、海量数据等特点需要实验科学家以及用户包括AI实现更加密切的交互，未来真正实现三位一体的融合，提升实验的效率。

  会上，嘉庚创新实验室联合北京科学智能研究院共同设立的人工智能应用电化学联合实验室（简称AL4EC Lab）举办揭牌仪式。鄂维南表示，AL4EC Lab会在AI4S四梁基座与电化学垂直领域交叉，希望能够改变做理论和做实验之间的交流模式。

  在圆桌论坛环节，田中群、李泓、马晶、熊瑞和董俊才五位专家学者从不同角度分享交流对AI赋能新能源领域创新发展的真知卓见。

  会议最后，由深势科技开发的电池设计自动化平台（简称BDA）Piloteye正式发布，从创新算法、工程化及行业解决方案等方面系统赋能电池材料开发和电芯设计，助力电池研发率先进入AI for Science时代。

关键词：