编者按：习近平总书记指出，“科学普及是达成革新进步的要紧基础性工作。”为帮助高水平科技自立自强，中国科协科普部联合光明网推出“院士高档科普”栏目，邀请各范围院士就国内当下热门科技问题给予权威解答，服务引导更多科技工作者提高科研科普能力，促进全民科学素质提高，为科技强国建设贡献科普力量。#千万IP创科普

目前，人工智能（AI)赛道正蓬勃发展，而风口已刮向动力电池，包含计算机视觉、机器学习、云计算、云数据等人工智能技术正成为提高极限制造体系的重点方法。

电池，这个看上去不起眼的小物件，却承载着能源转型、绿色进步的重大使命。从手机、电动车到储能系统，电池无处不在，其性能的提高直接影响着大家的生活水平和社会的可持续进步。然而，电池材料的研发却是一个周期长、本钱高、效率低的复杂过程。面对这一挑战，能否借用人工智能的力量，为电池材料的研发插上翅膀？

答案是一定的。近年来，人工智能在科学研究范围的应用日益广泛，其强大的数据处置和模式辨别能力为解决电池材料研发中的难点提供了新的思路。正是基于如此的背景，大家团队开始了人工智能 for Science在电池材料技术上的探索之旅。

鄂维南院士

大家的目的非常明确，就是要塑造一套像芯片设计行业EDA工具的电池研发BDA工具。这套工具将借助人工智能算法，对电池材料的性能和配方进行智能推荐和优化，从而大大缩短研发周期，提升研发效率。这听起来非常美好，但达成起来却困难重重。其中，最大的挑战在于怎么样将人工智能与实验形成闭环，达成迅速的迭代和优化。

为知道决这个问题，大家采取了“理性设计+实验验证”的方案。第一，借助人工智能模型对电池材料的性能和配方进行初步预测和推荐。这类模型不是简单的黑箱操作，而是基于物理模型和基本原理构建的。大伙了解，在科学研究的场景中，数据是稀缺且宝贵的。因此，靠谱的模型需要充分借助每个数据点，通过物理模型的引导，提升预测的准确性和靠谱性。

下面，大家将人工智能模型的推荐结果交给实验团队进行验证。实验团队通过精细的实验操作，对模型的预测结果进行逐一验证，并将实验数据反馈给人工智能模型进行微调。如此，人工智能模型就能在持续的学习和迭代中渐渐逼近真实世界的复杂状况，为电池材料的研发提供愈加精确的指导。

在这个过程中，大家遇见了不少挑战。譬如，怎么样整理大量的数据资源？怎么样构建既准确又高效的人工智能模型？怎么样确保人工智能模型与实验的紧密耦合？这类问题都需要大家不断地探索和实践。但正是这类挑战，激起了大家团队的革新精神和攻坚克难的决心。

1989年鄂维南（右一）从加州大学洛杉矶分校博士毕业时，与左一陈大岳、中间杨焕安合影

经过几年的努力，大家获得了一些初步的成就。譬如，在电解液配方优化方面，大家的人工智能模型已经可以给出较为准确的推荐结果，并在实验中得到了验证，提升了电解液的性能，还大大缩短了研发周期。大家在固态电池等范围的尝试，也获得了积极的进展。

科技自立自强的道路任重而道远。人工智能在电池材料技术上的应用还只不过一个开始，将来还有更多的挑战和机会等待大家去探索和把握。譬如，怎么样进一步提升人工智能模型的预测精度和泛化能力？怎么样构建愈加健全的实验验证体系？怎么样推进人工智能与电池材料技术的深度融合和革新进步？这类都是大家需要考虑和解决的问题。

科学报国是大家每个科研工作者的使命和责任。只有坚持自主革新，学会核心技术，大家才能在全球科技角逐中立于不败之地。而人工智能作为新一轮科技革命的要紧驱动力，正为大家提供了前所未有些机会。大家应该充分借助这一机会，加大人工智能在科学研究范围的应用和革新，推进科技自立自强策略的推行和落地。（作者：鄂维南，中国科学院院士、北京大学教授；光明网记者宋雅娟采访整理）

Tags：科技