“當前以大模型為核心的人工智能時代已經來臨。我們可以借鑒這一概念，構建電池大模型，為動力電池全生命周期降本增效。”6月9日下午，中國科學院院士歐陽明高在2023世界動力電池大會主論壇上表示。
構建動力電池大模型
當前，我國動力電池產業進入高質量發展階段。產業在快速發展的同時，也面臨著裝機量增速放緩、電池系統毛利率降低、產品迭代加快等挑戰。對此，歐陽明高指出，電池全生命周期智能化技術是解決相關問題的重要手段和工具。
他表示，當前以大模型為核心的人工智能時代已經來臨。動力電池可以借鑒這一概念，構建電池大模型。
據了解，大模型由Transformer演化而來，參數量可達到億級別。目前主流大模型參數量在百億至千億之間，可形成智力表現與專業知識輸出。
“在收集到海量數據后，通過預訓練，形成以Tranformer和注意力機制為核心的百億參數大模型。在此基礎上構成的框架型系統具備推理能力，可被應用于不同領域。例如自然語言方面的ChatGPT和智能出行方面的DriveGPT等。”歐陽明高解釋道，“因此，我們也可以預訓練神經網絡，并以Tranformer為基礎，來構建我們的動力電池預訓練大模型，并將其應用于動力電池智能設計、智能制造、智能管理、智能回收等環節。”
基于電池大模型實現全生命周期智能化
會上，歐陽明高深度解讀電池全生命周期智能化技術路線圖。他介紹：“在智能設計與智能電池方面，我們主要采用高精度、多尺度建模技術和電池內部多維傳感；在智能制造與智能裝備方面；主要依靠產線大數據、先進制造技術、單機智能化與多機協同；而在智能管理和智能回收方面，則主要是靠大模型與主動調控。”
據介紹，在電池智能設計方面，我國動力電池產業已歷經實驗試錯、仿真驅動階段，正朝向智能化全自動方向發展。智能化全自動設計包括高精度建模和高效智能尋優算法兩大核心技術。它可建立設計參數與核心性能的精確構效關系，并為設計過程自動尋找最優最速路徑。該技術可將電池研發效率提升1~2個數量級，節省研發費用的70%~80%。
電池制造過程的智能化，則可以通過工藝數字孿生技術、缺陷智能監測技術、產線大數據分析技術來實現。歐陽明高介紹：“工藝數字孿生技術可以促進工藝開發效率提升，一般被用于電池前段極片制造工藝；缺陷智能監測技術融合電池缺陷演化機理和人工智能技術，可以使電池質量監控管理再上一個臺階，常被用于中段電池成型工藝；而產線大數據分析技術則被用于后段分容化成工藝，通過充分挖掘電池產線數據，進行智能預測和決策，從而實現降本增效。”
智能管理是電池全生命周期智能化技術中不可缺少的一環。“我們可以把傳感器放到電池里，對電池內溫度、電位、壓力等情況進行感知、評估與預測，然后再通過大模型進行電池管理，進一步提升電池安全性、動力性和耐久性。”歐陽明高指出。以熱失控安全預警為例，從前要實現熱失控安全預警非常困難，因為動力電池熱失控起火事故相對較少，很難形成大規模數據。而如今，可以通過人工智能數字孿生技術，基于少量數據，生成一個大型數據庫，實現熱失控預判和熱反應調控。
電池回收同樣需要智能技術。電池智能回收包括智能拆解、延壽與修復、重組與梯級利用、單體拆解與材料回收四個環節。“我們可以通過智能技術進行非破壞性修復，也可以對電池壽命進行預測。”歐陽明高介紹說。
歐陽明高表示，隨著人工智能2.0時代的到來，大模型將大幅提升生產力，智能化到了快速發展落地的前夕，然而動力電池產業在全生命周期智能化發展過程中還面臨一些挑戰，例如數據稀缺、如何與新的電化學體系融合發展等。“電化學體系不斷迭代升級，電池大模型如何快速應用于全固態電池等新體系，還有待研究。”歐陽明高說。
特別聲明：本文轉自互聯網，如有侵權，請聯系管理者刪除，謝謝！
