2026-07-08 | 김기혁 기자

从材料设计到制造工艺,AI驱动电池技术革新加速

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

人工智能(AI)技术正在加速电池领域的创新。从材料设计到制造效率提升,AI被应用于多个方面,有观点认为这可能成为决定下一代电池市场格局的新变量。特别是在电动车需求低迷、电池行业业绩恶化长期化的背景下,业界评价认为,利用AI削减成本已成为韩国电池企业的最大课题。

据电池业界8日消息,在二次电池产业中运用AI的代表性研究案例是微软。微软在2024年公布了与美国华盛顿州太平洋西北国家实验室(PNNL)的共同研究成果。PNNL是隶属美国能源部、研究化学与材料科学等多个领域的国家实验室。两家机构仅用80小时,就从3200万种无机物中找出了18种可用于电池开发的有潜力候选物质。

这一过程动用了AI和高性能计算基础设施。AI系统先从数千万种物质中优先筛选出具有稳定结构的物质,再以反应性为标准对候选分子进行二次筛选。随后,另一种AI算法再以能量传导可能性为标准进行筛选。

过去为寻找合适物质需经过漫长的假设验证周期,而引入AI后这一流程大幅缩短。据产业通商部去年发布的《全球供应链洞察》,若AI主导的实验方式在电池研发(R&D)中落地,新材料发掘与测试周期预计将从原来的数年缩短至数月。在设计从原料到回收的电池产业复杂供应链时,基于AI的优化模型也被提出作为解决方案。

制造工序中同样使用AI。全球最大电池企业中国宁德时代在基于影像的缺陷分析工序中引入AI,提前探测生产过程中的异常征兆,从而提高了生产良率、降低了不良率。

在韩国,嘉泉大学与高丽大学的联合研究团队基于AI开发出可大幅提升下一代锂金属电池性能的电解质设计技术,备受关注。嘉泉大学教授朴镇宇研究团队与高丽大学教授金雄研究团队开发出可同时反映分子连接结构、重复特性和浓度信息的新型分子表达技术。其特点是构建了同时学习电解质分子立体结构与浓度的模型,提高了性能预测准确度。通过区分盐与溶剂作用进行学习的方式,也提升了模型可靠性。

继二次电池之后,AI预计也将被引入汽车材料开发领域。韩国材料研究院今年5月发布了仅凭金属材料的微观组织信息即可预测金属板材特性的AI解析模型。研究团队在微观组织信息中重点关注构成金属内部的微小晶体单元——晶粒,基于各晶粒的排列方向信息让计算机计算各类金属的微观变形特性。实际应用于不锈钢、工业用铝合金、高纯度铜等多种金属材料的结果显示,计算时间从数小时大幅缩短至数秒。

阅读韩文原文