摘要：28日上午，新加坡南洋理工大学博士后夏华荣在ABEC 2019论坛上做了题为《基于大数据分析的锂电池技术进步的几点考虑》的主题演讲，结合电池技术，分享了怎样利用AI技术提高电池的生产、提高电池研发的效率等。

ABEC 2019│第7届中国（常州·金坛）电池新能源产业国际高峰论坛现场

电池“达沃斯”-电池网11月28日讯（陈语 张倩 江苏常州 图文直播）11月27—29日，一年一度的全球电池行业盛会——ABEC 2019│第7届中国（常州·金坛）电池新能源产业国际高峰论坛在江苏金坛隆重举行。本届论坛由ABEC（电池“达沃斯”）组委会、中关村新型电池技术创新联盟、电池百人会主办，江苏省金坛经济开发区管理委员会、蜂巢能源科技有限公司协办，800余位来自全球电池新能源产业链的“政、产、学、研、金、服、用”各界代表以及媒体代表等出席，共议后补贴时代下，新能源电池产业高质量发展之路。

新加坡南洋理工大学博士后夏华荣

28日上午，新加坡南洋理工大学博士后夏华荣在ABEC 2019论坛上做了题为《基于大数据分析的锂电池技术进步的几点考虑》的主题演讲，结合电池技术，分享了怎样利用AI技术提高电池的生产、提高电池研发的效率等，电池网摘选了其部分精彩观点，以飨读者：

论坛上，夏华荣首先分享了人工智能、机器学习和深度学习的区别。利用计算机模拟人类行为，所有这些的事情都可以称之为人工智能。随着早期的人工智能发展，机器实现了按照一定的逻辑进行“机器学习”，随着学习算法的发展，现如今支撑人工智能的重要技术也发展成为深度学习，也就是说，从范围来说，人工智能 > 机器学习 > 深度学习。

“AI可以帮助我们用以前的方法和工具发掘知识。”据夏华荣介绍，AI在电池目前能用到的技术主要有两个可能：一是利用机器学习的技术，预测电池的寿命，二是用机器学习加速电池材料的开发。

关于电池寿命的预测，夏华荣进一步解释说，开发一款新的电池，或者对原来的电池做小的修改，都要重新表征电池各方面的性能，比如电池容量、电池倍率、电池电压，最主要的是表征电池的循环寿命。但在这个过程中，表征电池的循环寿命，需要耗费巨大的时间成本。在工艺优化过程中，一个小小的表现都会重新表征电池寿命，因为你不确定对它的改变是如何影响它的寿命。但是表征寿命，如果用1C充一次电，再用1C放一次电，表征1000次循环，就需要83天，很长的时间。如果表征2000次循环，就是半年时间，如果对工艺进行调整，大概半年以后才可能知道电池寿命是多少，时间成本支付不了。而对于电池其它方面的表征，大概一周内就可以完成，所以如果能把电池寿命的表征时间缩短，就可以大大加速电池开发的速度。例如，利用机器学习的方法，就可以根据100次预测电池能循环1000次还是循环2000次，可以用很小的时间成本预测它的寿命。

关于利用机器学习加速电池材料的开发，夏华荣用固态电解质来举例，他表示，考察3000种锂离子化合物，用机器学习的方法挑选出82种，发掘出这16种以前没有报道过的固态电解质可能会成为锂离子电池新的固态电解质，就有可能发掘出新的材料。

(以上观点根据论坛现场速记整理，未经发言者本人审阅。)