峰会上，深势科技智能研发副总裁王晓旭博士进行了题为“AI for Science 新范式赋能固态电池智能研发”主题演讲。
事实上，提高本征安全性、匹配高活性正负极材料以突破能量密度，是固态电池相较于传统液态电池的两大显著优点。目前，固态电池产业呈现出半固态与全固态并存，聚合物、氧化物等多种技术路线并行的特征。核心问题在于如何优化固态电解质材料体系，以解决其与正负极活性材料接触时产生的界面阻抗大、易发生副反应和电导率低等问题，同时兼顾循环寿命与能量密度。
此外，固态电池在成膜、电极材料和电池封装等环节的生产工艺较传统液态电池更为复杂，需要定制化和优化制备工艺，以提高生产效率和一致性，并降低成本。
针对固态电池的量产所涉及的整个产业链的协同发展，包括材料供应、制造工艺、设备开发等环节，深势科技推出的 Piloteye® 电池设计智能研发平台，从真问题出发，提供了一系列的解决方案和新思路。
Piloteye® 电池设计智能研发平台从 RDMTA 这五个电池研发的关键环节， 基于 AI for Science 新范式，利用 DP 系列多尺度建模算法、Uni-Mol 分子构象大模型、DPA 分子模拟大模型、Uni-ELF 配方大模型、具有 GPU 加速与自动微分功能的新一代电化学计算模型、电芯老化模式定量分析算法等一系列人工智能新技术突破电池研发难点。
核心功能包括但不限于第一性原理正极掺杂筛选评估、“百万级”电解液配方设计和筛选、高精度固态电解质预训练大模型性质预测、高精度高效的电芯短期性能预测、电芯循环老化模式的定量分析、智能工艺优化等多个关键应用场景, 推动“设计理性化”、“开发平台化”和“制造智能化”的实现。
Piloteye®平台入口：https://bohrium.dp.tech/org/piloteye
以固态电池微观计算整体方案为例。从微观的材料性质参数出发，预测介观的材料颗粒的物化性质，进一步模拟电极与电芯尺度的性能；对加工工艺进行理性建模，同步模拟加工工艺对电极、电芯性能的影响，提高了电池设计的精确度和可靠性，并大幅缩短创新到量产间的周期。
例如在固态电解质筛选上，对于具有高潜力但尚存在缺陷的固态电解质材料，通过掺杂方法来增强其性能和稳定性。Piloteye® 利用预训练模型+微调策略，能够更准确地计算 Li 离子的扩散速率。以缩短实验周期，降低实验成本, 提高高性能固态电解质的筛选效率。在此过程中，预训练模型提供了关于掺杂元素、浓度和位点对电导率等关键性质影响的有力分析工具。
对于固态电解质的界面，第一性原理计算受限于体系尺寸。预训练模型则可以在原子尺度上进行更为深入的界面问题分析，实现对界面阻抗和机械性质的提升。
App试用地址：https://bohrium.dp.tech/apps/voltcraft
固态电池作为下一代电池的趋势已确立，商业化进程的加快是实现锂电全面电动化的重要条件。值得注意的是，除了新能源汽车，固态电池在储能、船舶和 eVTOL 等领域的需求预计将推动百 GWh 至 TWh 级别的市场发展。虽然锂电产业仍然面临一系列的挑战，但是机遇并存。数据显示，预计到2030年，我国固态电池市场空间或将达到200亿元；2022-2030年市场空间复合增长率为55.01%。而全球固态电池市场规模目前约为100亿美元。尽管这一数字在过去几年内有所增长，但相比于传统液态电池市场规模仍然较小。随着更多公司投入固态电池技术的研发和生产中，预计未来几年固态电池市场规模将大幅增长。
推荐关注
关于深势科技
