查詢
“當前以大模型為核心的人工智能時代已經到來，我們可以藉鑑這一理念，構建大電池模型，為動力電池全生命週期降本增效。”6月9日下午，中科院院士歐陽明高在2023世界動力電池大會主論壇上表示。
搭建動力電池大模型
當前，我國動力電池產業已進入高質量發展階段。行業快速發展的同時，也面臨裝機量增速放緩、電池系統毛利率下降、產品迭代加快等挑戰。對此，歐陽明高指出，電池全生命週期智能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到來。動力電池可以藉鑑這個理念，構建大電池模型。
據了解，大型模型由Transformer演變而來，引用數量可達億級。目前主流大模型數量在100億到1000億之間，可以形成智力表現和專業知識輸出。
“收集海量數據後，通過預訓練，形成以Transformer和注意力機制為核心的百億參數大模型。”在此基礎上，框架系統具備推理能力，可應用於不同領域。例子包括自然語言的ChatGPT和智能出行的DriveGPT。 ”“因此，我們也可以預訓練神經網絡，並基於Tranformer，構建我們的動力電池預訓練大模型，並將其應用到動力電池智能設計、智能製造、智能管理、智能回收等各個環節。 ”
基於大電池模型實現全生命週期智能化
會上，歐陽明高度深度解讀了電池全生命週期的智能化技術路線圖。他說：“在智能設計和智能電池方面，主要採用高精度、多尺度建模技術和電池內部多維傳感；在智能製造和智能裝備方面；主要依靠產線大數據、先進製造技術、單機智能和多機協同；在智能管理和智能回收方面，主要基於大模型和主動調控。”
據介紹，在智能電池設計方面，我國動力電池行業已經經歷了實驗試錯、模擬驅動階段，正在走向智能化自動化發展方向。智能自動設計包括高精度建模和高效智能優化算法兩大核心技術。它可以建立設計參數和核心性能之間精確的構效關係，並自動尋找設計過程的很優、很快路徑。該技術可將電池研發效率提升1優2個數量級，並節省70%優80%的研發成本。
通過工藝數字孿生技術、缺陷智能監控技術、產線大數據分析技術，可以實現電池製造過程的智能化。歐陽明高介紹：“工藝數字孿生技術可以促進工藝開發效率，一般應用於電池極柱前段製造過程；智能缺陷監測技術融合了電池缺陷演化機制和人工智能技術，可以使電池質量監控和管理邁向更高水平，常用於中段電池成型工藝。產線大數據分析技術應用於後段工藝，通過充分挖掘電池生產線數據進行智能化，可以降本增效。”預測與決策。 ”
智能管理是電池全生命週期智能技術不可或缺的一部分。 “我們可以在電池中放入傳感器，來感知、評估和預測電池中的溫度、電位、壓力等狀況，然後通過大模型對電池進行管理，進一步提高電池的安心性、動力性和耐用性。 ”歐陽明高指出。以熱失控安心預警為例，過去實現熱失控安心預警非常困難，因為動力電池的熱失控起火事故比較少見，且難以形成大規模數據。如今，通過人工智能數字孿生技術，可以基於少量數據生成大型數據庫，實現熱失控預測和熱反應調控。
電池回收也需要智能技術。智能電池回收包括智能拆解、延壽養護、重組梯次利用、單體拆解和材料回收等。 “我們可以利用智能技術進行無損養護，還可以對電池壽命進行預測。 ”歐陽明高說。
歐陽明高表示，隨著人工智能2.0時代的到來，大模型將大幅提高生產力，智能化到快速發展的前夜，但動力電池行業在全生命週期智能化發展過程中仍面臨一些挑戰，如數據稀缺、如何與新型電化學系統開發融合等。 “電化學系統不斷迭代升級，大電池模型如何快速應用於全固態電池等新系統還有待研究。 ”歐陽明高表示。
