在當前“碳達峰、碳中和”的國家戰略背景下,加快能源結構轉型,發展低碳、清潔、高效的新能源技術勢在必行。在8月11日舉辦的2023科學智能峰會“AI4S:奔跑中的新能源(新能源應用專場)”學術峰會上,中國科學院院士、北京大學教授鄂維南,中國科學院院士、嘉庚創新實驗室名譽主任田中群,南京大學化學化工學院教授馬晶,中國科學院物理研究所研究員李泓,北京理工大學、機械與車輛學院教授熊瑞,中國科學院高能物理研究員董俊才圍繞如何利用人工智能,優化能源材料,表征與設計,加速新能源技術創新等主題進行精彩而深入的演講與討論。
會上,田中群院士首先進行報告,介紹了面向新能源的人工智能和譜學電化學的交叉前沿以及發展趨勢。田中群院士認為,新能源帶來的是一條新的賽道,電化學在其中扮演著必不可缺的角色。當前風電、光電并到大電網,面臨著巨大的挑戰,適用什么樣的儲能方式還未有定論,電化學儲能被普遍認為是重中之重。
在大規模儲能面臨的安全和效率兩個關鍵問題中,AI最關鍵的應用對象就是復雜體系,越復雜的體系和越重要的復雜應用場景,越需要精準、高效的表征技術,也就越需要AI,如果AI不發展,在近期內很難看到前景。
田中群院士直言,AI是會重新定義的未來。有了AI驅動,在未來可以形成在工況下實時表征、解析、反饋、控制全閉環,帶來極大的好處。從料材器用、人工智能應用電化學以及新的研究和產業范式方面都大有可為。
馬晶教授在報告中指出,在氮循環和碳循環方面,對于描述符和機器學習的研究,除了能夠從復雜抽提性質以外,還具備一個優點——找出共性。通過AI的驅動,希望用比較小量的計算結合化學知識,構建模型,并結合人的預測,從而替代實驗做出吸附文獻。
馬晶教授表示,“企業與行業的瓶頸也給我們帶來問題,在底層從計算化學的角度,我們積累了包括計算數據在內的大量數據,相對于計算數據來說,實驗數據標準化和收集更加困難,在這里就需要交叉聯合,達到一定數據量就會得到意想不到的結果,甚至能夠形成新的問題和假設。”
談及AI for Energy storage,李泓研究員介紹,電池應用場景非常多,包括交通電動化、能源清潔化兩個大的方面,電池一直在發展,需要新的技術、新的性能。而要實現更高的指標,就需要不斷開發新的材料。
李泓研究員指出:“通過人工智能可以幫助我們加快發展新材料,這是非常重要的事情。對于正在發展的固態電池,若想構建創新鏈和產業鏈,需要有一個共性支撐的東西,就是數字化,我們希望在研發數字化,在制造數字化,在運維數字化,在監管數字化。”
熊瑞教授認為,由于電池材料突飛猛進的革新,引起電池性能尤其是充放電平臺甚至退化軌跡都在發生變化。由于電池更新換代太快,在應用端基于以前的電池,建的模型、算法應用到新的電池,偏差不言而喻。
通過AI解決電池的狀態估計,阻抗,老化診斷與壽命預測,析鋰檢測與故障診斷預警等方面問題,需要將多元信息融合,還要做到無監督學習,遷移學習,數據機理如何通過機理模型做這個事情,再做可解釋性,透明性,最后將云計算和邊緣計算結合起來,將壽命預測運用到前端。
在會上,董俊才研究員作了題為《機器學習驅動的新一代同步輻射X射線吸收譜學分析技術革命,現狀和展望》的報告。報告中指出,機器學習將在下一代X射線吸收譜學分析發揮獨特的優勢。傳統的分析方法是科學家和用戶之間進行交流溝通,而未來X射線譜的高通量在線表征、實時動態分析、真實工況,多譜學聯用、海量數據等特點需要實驗科學家以及用戶包括AI實現更加密切的交互,未來真正實現三位一體的融合,提升實驗的效率。
會上,嘉庚創新實驗室聯合北京科學智能研究院共同設立的人工智能應用電化學聯合實驗室(簡稱AL4EC Lab)舉辦揭牌儀式。鄂維南表示,AL4EC Lab會在AI4S四梁基座與電化學垂直領域交叉,希望能夠改變做理論和做實驗之間的交流模式。
在圓桌論壇環節,田中群、李泓、馬晶、熊瑞和董俊才五位專家學者從不同角度分享交流對AI賦能新能源領域創新發展的真知卓見。
會議最后,由深勢科技開發的電池設計自動化平臺(簡稱BDA)Piloteye正式發布,從創新算法、工程化及行業解決方案等方面系統賦能電池材料開發和電芯設計,助力電池研發率先進入AI for Science時代。
本文鏈接:http://www.tebozhan.com/showinfo-16-5893-0.html解析交叉前沿 AI助力新能源技術創新——AI4S:奔跑中的新能源
聲明:本網頁內容旨在傳播知識,若有侵權等問題請及時與本網聯系,我們將在第一時間刪除處理。郵件:2376512515@qq.com
下一篇: 中國科學家實現從二氧化碳到糖的精準全合成