美國密歇根大學工程學院科學家在近期出版的《自然》雜志發表論文，宣布開發出一款基於“發現學習”理念的人工智能（AI）工具。這款全新的智能體僅需幾天實驗測試數據，即可准確預測新電池的循環壽命。

傳統測試需對電池進行數百甚至上千次充放電循環，耗時數月乃至數年，才能判斷其何時容量衰減至設計值的90%以下。而這一新型AI系統僅憑前50次充放電循環數據，就能精准預估整塊電池的使用壽命，節省約98%的時間和95%的能源消耗。這不僅大幅降低了研發成本，也為下一代高性能電池的快速迭代提供了強大助力。

該系統的靈感源自一種“邊做邊學”的“發現學習”認知模式，其通過實踐探索獲取知識，而非被動接受理論灌輸。團隊將其引入AI領域，打造出這款AI智能體。

具體而言，這套系統由3個核心模塊協同工作。“學習器”負責提出問題，決定建造哪些電池原型，並進行短周期測試以填補知識盲區﹔“解釋器”分析歷史數據，結合物理模型模擬電池內部反應，挖掘不同電池間的共性規律﹔“智囊”則綜合實驗結果、物理模擬與過往經驗，最終預測新電池的循環壽命。

整個過程如同科學家在實驗室中不斷試錯、總結、再驗証。AI不僅能從早期數據中捕捉退化趨勢，還能識別關鍵影響因素。例如，高溫下主導劣化的化學機制，在低溫環境中可能微不足道。

團隊使用美國Farasis能源公司的袋式電池數據對該模型進行了驗証。盡管訓練集僅包含類似AA電池的圓柱形電池，系統仍預測出了結構更復雜、尺寸更大的袋式電池性能。這意味著該方法具備良好的泛化能力，適用於多種電池形態。

團隊表示，這項技術未來可拓展至電池安全、快充性能等更多維度。更重要的是，“發現學習”作為一種新型機器學習范式，有望推廣至化學、材料科學等高度依賴昂貴實驗的領域，為那些長期受限於高成本、長周期的研究按下“加速鍵”。（記者劉霞）