查询
“当前以大模型为核心的人工智能时代已经到来，我们可以借鉴这一理念，构建大电池模型，为动力电池全生命周期降本增效。”6月9日下午，中科院院士欧阳明高在2023世界动力电池大会主论坛上表示。
搭建动力电池大模型
当前，我国动力电池产业已进入高质量发展阶段。行业快速发展的同时，也面临装机量增速放缓、电池系统毛利率下降、产品迭代加快等挑战。对此，欧阳明高指出，电池全生命周期智能技术是解决相关问题的重要手段和工具。
他表示，当前以大模型为核心的人工智能时代已经到来。动力电池可以借鉴这个理念，构建大电池模型。
据了解，大型模型由Transformer演变而来，引用数量可达亿级。目前主流大模型数量在100亿到1000亿之间，可以形成智力表现和专业知识输出。
“收集海量数据后，通过预训练，形成以Transformer和注意力机制为核心的百亿参数大模型。”在此基础上，框架系统具备推理能力，可应用于不同领域。例子包括自然语言的ChatGPT和智能出行的DriveGPT。”“因此，我们也可以预训练神经网络，并基于Tranformer，构建我们的动力电池预训练大模型，并将其应用到动力电池智能设计、智能制造、智能管理、智能回收等各个环节。”
基于大电池模型实现全生命周期智能化
会上，欧阳明高度深度解读了电池全生命周期的智能化技术路线图。他说：“在智能设计和智能电池方面，主要采用高精度、多尺度建模技术和电池内部多维传感；在智能制造和智能装备方面；主要依靠产线大数据、先进制造技术、单机智能和多机协同；在智能管理和智能回收方面，主要基于大模型和主动调控。”
据介绍，在智能电池设计方面，我国动力电池行业已经经历了实验试错、模拟驱动阶段，正在走向智能化自动化发展方向。智能自动设计包括高精度建模和高效智能优化算法两大核心技术。它可以建立设计参数和核心性能之间精确的构效关系，并自动寻找设计过程的很优、很快路径。该技术可将电池研发效率提升1优2个数量级，并节省70%优80%的研发成本。
通过工艺数字孪生技术、缺陷智能监控技术、产线大数据分析技术，可以实现电池制造过程的智能化。欧阳明高介绍：“工艺数字孪生技术可以促进工艺开发效率，一般应用于电池极柱前段制造过程；智能缺陷监测技术融合了电池缺陷演化机制和人工智能技术，可以使电池质量监控和管理迈向更高水平，常用于中段电池成型工艺。产线大数据分析技术应用于后段工艺，通过充分挖掘电池生产线数据进行智能化，可以降本增效。”预测与决策。”
智能管理是电池全生命周期智能技术不可或缺的一部分。 “我们可以在电池中放入传感器，来感知、评估和预测电池中的温度、电位、压力等状况，然后通过大模型对电池进行管理，进一步提高电池的安心性、动力性和耐用性。”欧阳明高指出。以热失控安心预警为例，过去实现热失控安心预警非常困难，因为动力电池的热失控起火事故比较少见，且难以形成大规模数据。如今，通过人工智能数字孪生技术，可以基于少量数据生成大型数据库，实现热失控预测和热反应调控。
电池回收也需要智能技术。智能电池回收包括智能拆解、延寿养护、重组梯次利用、单体拆解和材料回收等。 “我们可以利用智能技术进行无损养护，还可以对电池寿命进行预测。”欧阳明高说。
欧阳明高表示，随着人工智能2.0时代的到来，大模型将大幅提高生产力，智能化到快速发展的前夜，但动力电池行业在全生命周期智能化发展过程中仍面临一些挑战，如数据稀缺、如何与新型电化学系统开发融合等。 “电化学系统不断迭代升级，大电池模型如何快速应用于全固态电池等新系统还有待研究。”欧阳明高表示。
