发布日期：2026-01-12
供稿：王明阳
编辑：张璟
浏览：1297
近日，上海交通大学与哈佛大学联合研究团队在国际顶级期刊《Nature Communications》发表重要研究成果，题为：“Real-time artificial intelligence control of solid-state lithium metal batteries for extended lifetime.”该研究首次实现了人工智能算法的实时集成，让电池在运行过程中能够“自我感知状态” “自我优化策略”，显著延长电池寿命与能量输出。
集成实时AI的电池智能循环系统
(a）集成平台示意图
（b）包含实时通信、数据和控制回路的工作流
文章内容
传统锂离子电池在长期使用中，往往从“缓慢衰减”阶段突然转入“快速失效”阶段。这一关键转折点——被称为“knee point（拐点）”——往往源于锂枝晶穿透或界面反应导致的结构损伤，其发生机理复杂且难以预测。尤其在固态锂金属电池中，尽管固态电解质能抑制枝晶穿透，但界面处的化学反应与结构演化仍可能引发快速容量衰退，使寿命预测极具挑战性。研究团队发现，这些失效信号在循环早期已悄然出现。通过将机器学习模块直接嵌入电化学测试平台，系统能够实时识别电流与电压曲线中的微弱退化特征，在出现异常趋势之前即进行强化学习决策，动态调整充放电策略，从而有效延缓“拐点”的到来。
研究贡献
从被动监测到主动智能：电池管理新范式研究首次将人工智能直接嵌入电池测试与控制环节，实现了从“被动监测”向“主动学习与决策”的根本转变。未来，该框架有望拓展至商用锂离子电池系统（BMS）及混合储能系统（HESS）中，实现电池在运行过程中的自我保护与自我演化，为未来电池长寿命与高安全运行提供了新路径。
论文链接
https://www.nature.com/articles/s41467-025-66079-y
English
