2月9日，密歇根大学的研究人员开发出一种机器学习系统，能够显著加速电池设计与测试的进程。该系统通过仅50次充放电循环，就能预测电池寿命，有望将研发周期缩短数月甚至数年。与传统测试相比，这种方法能将测试所需的时间和能耗降低高达95%，极大提升评估电池性能的速度与效率。

研究团队构建了一组被称为“智能体式”AI工具，每个工具承担专门任务，协同工作如同实验室里的研究人员。AI“学习者”从过往数据中学习，开展小规模实验，并借助物理模型将早期性能特征与最终循环寿命关联起来。整个流程分为学习者、解释器、预言者三个角色，通过不断扩充的数据集提升预测精度。

该AI框架的设计灵感源自发现式学习，强调通过探索与实践解决问题。系统不仅关注表层电信号，而是解析底层物理与化学参数，包括电极材料在高温、应力与反复循环下的行为规律。这使得模型能够跨电池形态泛化，从小型圆柱电池到电动汽车使用的柔性软包电池均适用。实际应用中，仅需数天测试即可得到可靠寿命预测，能耗仅为传统大规模实验室测试的约5%。研究人员已着手拓展功能，包括预测安全极限、优化充电速率、筛选最适合下一代锂离子电池的材料。