研究背景：
在全球能源結構轉型的背景下，鋰離子電池作為核心電化學儲能技術，其研發(fā)正面臨能量密度逼近極限、新一代電池系統(tǒng)存在安全性及壽命問題等嚴峻挑戰(zhàn)。這些挑戰(zhàn)根植于電池研發(fā)流程固有的“跨尺度、長流程、多因素”的復雜特性：從原子納米尺度的微觀化學反應到米級電芯模組的宏觀電化學性能，在時間和空間兩個維度上跨度極大；從材料設計到電芯制造需要漫長的過程且嚴重依賴實驗試錯；多重物理化學場相互耦合，使得電池失效機理難以解析。
工作概述：
為解決上述難題，北京大學新材料學院鄭家新課題組聯(lián)合深圳屹艮科技、寧德時代，系統(tǒng)性提出并闡述了電池設計自動化（Battery Design Automation, BDA）這一人工智能驅動的變革性研發(fā)范式。BDA通過將多尺度模擬仿真技術與人工智能算法集成于統(tǒng)一平臺，旨在實現(xiàn)從微觀尺度的材料篩選到宏觀尺度電池系統(tǒng)性能預測的全鏈條覆蓋，推動電池研發(fā)從傳統(tǒng)“經(jīng)驗試錯”向“模擬驅動設計自動化”的根本性轉變。相關研究成果以“AI-Driven Next-generation Lithium-Ion Battery Design Automation (BDA) Software”為題，發(fā)表于中國科學院主管、科學出版社主辦的綜合性英文學術期刊National Science Open（《國家科學進展》，簡稱NSO）。
論文鏈接：https://www.sciengine.com/NSO/doi/10.1360/nso/20250062。
Liu Zekai, Lai Genming, Zuo Yunxing, et al. AI-Driven Next-generation Lithium-Ion Battery Design Automation (BDA) Software (J/OL). National Science Open, 2025, 2025-11-04.
圖1. 論文online界面截圖
主要內(nèi)容：
本綜述首先于第一章闡述了電池在全球能源格局中的核心地位及其研發(fā)的根本瓶頸，論證 BDA 作為推動研發(fā)模式從依賴經(jīng)驗的實驗試錯向模擬驅動的設計自動化轉型的必要性；隨后在第二章深入探討了 BDA 的科學基礎，系統(tǒng)綜述人工智能驅動的多尺度模擬仿真技術，從微觀機理到宏觀行為，精準高效地評估電池性能；在第三章，詳細介紹了 BDA 在工業(yè)場景落地的實踐，深入分析其軟件架構、平臺生態(tài)及代表性工程應用案例，展示其解決實際研發(fā)挑戰(zhàn)的能力；最后，于第四章總結核心觀點，分析關鍵挑戰(zhàn)，展望 BDA 的未來發(fā)展方向，并提出可能的實施路徑。
1. BDA提出的背景與概念：
鋰離子電池作為核心儲能技術，其發(fā)展面臨雙重挑戰(zhàn)：商業(yè)化電池能量密度逼近極限，而下一代電池系統(tǒng)（如鋰金屬/固態(tài)電池）在安全性及壽命方面存在嚴峻問題。這些挑戰(zhàn)根植于電池研發(fā)流程固有的復雜性：（1）跨尺度：空間上從納米級材料原子排列到米級電芯模組結構，時間上從納秒級離子遷移和化學反應到小時級充放電行為，跨度均達九個數(shù)量級以上。（2）長流程：研發(fā)涵蓋材料設計-電芯制備-規(guī)模化生產(chǎn)的完整鏈條，各環(huán)節(jié)需經(jīng)歷大量實驗試錯，周期長達數(shù)月乃至數(shù)年。（3）多因素：電池在工作狀態(tài)下受多重物理化學場（電場、熱場、化學場、應力場等）相互耦合的影響，導致失效機理復雜難解。
這一困境催生了變革研發(fā)范式的急迫需求。借鑒半導體行業(yè)EDA軟件的成功應用經(jīng)驗，并結合AI for Science（AI4S）算法在電池領域的突破性實踐，研究團隊創(chuàng)新性提出了電池設計自動化（BDA）的 研發(fā)范式。BDA以集成多尺度模擬仿真技術與人工智能算法的統(tǒng)一平臺為載體，旨在通過貫穿原子尺度到系統(tǒng)層級的AI驅動的模擬仿真，實現(xiàn)從“經(jīng)驗試錯”向“自動化設計”的根本轉變，系統(tǒng)解決上述瓶頸，加速下一代電池研發(fā)進程。
圖2. BDA架構在多尺度模擬與仿真中的應用示意圖
2. BDA的核心技術：
BDA的技術框架主要圍繞三項核心技術構建，以應對電池研發(fā)的核心挑戰(zhàn)：
（1） 跨尺度參數(shù)傳遞與智能耦合
實現(xiàn)高保真模擬的關鍵在于將微觀模擬獲得的高質量參數(shù)無損傳遞至介觀與宏觀模型。研究顯示，人工智能驅動的模擬，如機器學習力場（MLFF），不僅能揭示鋰在不同晶面銅集流體上的沉積行為、枝晶的本征自修復機制以及外壓抑制枝晶的微觀機理，還能為介觀相場模型提供關鍵的界面動力學參數(shù)，從而貫通電池的多尺度模擬。同時，高通量計算與篩選可以高效設計新材料（如新型正極和固態(tài)電解質材料），其本征特性（如離子電導率）可以用于定義宏觀連續(xù)介質模型的材料參數(shù)。粗粒化分子動力學（CGMD）結合貝葉斯優(yōu)化等方法，可以高效獲取聚合物電解質等復雜系統(tǒng)的介觀傳輸特性，為宏觀性能評估提供輸入。
（2） 人工智能增強的高效模擬
模擬算法的標度決定了物理模型的精度和效率難以兼顧。BDA通過融合物理規(guī)律與人工智能，有效平衡了模擬仿真中精度與效率的矛盾。物理信息神經(jīng)網(wǎng)絡（PINN）通過將控制方程嵌入神經(jīng)網(wǎng)絡損失函數(shù)，實現(xiàn)了對鋰離子電池偽二維（P2D）模型等復雜多物理場問題的精準、高效求解，并已成功應用于電池健康狀態(tài)（SOH）預測。在此基礎上發(fā)展的物理信息復合網(wǎng)絡（PICN）等模型，則進一步提升了收斂性與多目標平衡能力。對于參數(shù)掃描與優(yōu)化任務，人工智能代理模型能夠替代昂貴的物理模擬，將設計周期從數(shù)周縮短至數(shù)小時。此外，利用AI重建真實電極的三維微結構，確保了模擬輸入幾何的真實性，提升了宏觀性能預測的可信度。
（3） 生成式人工智能與逆向設計
BDA的終極目標，在于實現(xiàn)以性能為導向的鋰離子電池逆向設計。生成式AI模型能夠學習材料/結構參數(shù)與電池性能之間的復雜映射關系，并從潛在空間中主動生成滿足特定性能目標（如高離子電導率、高穩(wěn)定性、快充性能優(yōu)異）的候選方案。例如，Uni-Electrolyte平臺利用生成式AI設計新型電解質分子，并預測其合成路徑；機器學習輔助的CGMD可以逆向設計高導電性的聚合物電解質成分。這種“目標性能→材料/結構生成→模擬驗證”的閉環(huán)流程，可以極大加速新一代電池組件的發(fā)現(xiàn)與設計。
圖3. 跨尺度參數(shù)傳遞與智能耦合
3. BDA的工業(yè)場景落地的實踐與生態(tài)系統(tǒng)：
BDA軟件平臺的發(fā)展離不開電池工業(yè)場景的應用與實踐。為了解決實際研發(fā)過程中出現(xiàn)的問題，研究團隊介紹了首個自研全棧BDA軟件平臺，該平臺由三款核心軟件構成：材料工坊Matter Craft?、電芯工坊BatTwin Craft? 與智芯工坊 BatMind Craft?。
圖4. 全棧BDA軟件平臺：材料工坊Matter Craft?、電芯工坊BatTwin Craft? 與智芯工坊 BatMind Craft?
（1） Matter Craft? 旨在解決微觀尺度的材料設計問題。利用第一性原理與分子動力學模擬，對電池材料進行設計與優(yōu)化，包括正負極材料、液態(tài)與固態(tài)電解質及隔膜等電池關鍵部件材料。該軟件開發(fā)及整合了一系列的計算工具，包括 Hylanemos（用于平面波 DFT 計算）、CP2K（用于原子基組 DFT 計算）、PySCF（用于量子化學計算）、LAMMPS（用于經(jīng)典分子動力學計算）與 MLFF。與主流平面波 DFT 工具相比，Hylanemos 憑借其精準的初始磁矩計算，為研究者提供更為準確的正極材料計算結果。
（2） 為搭建材料特性與系統(tǒng)級性能間的橋梁，BatTwin Craft? 建立了圍繞極片微結構與電芯充放電行為的多尺度模擬軟件框架。該軟件基于優(yōu)化的有限元求解器，采用適合工程應用的編程語言與電池專用算法，確保建模與模擬工作流程的高效性。值得注意的是，BatTwin Craft? 提供應用程序編程接口（Application Programming Interface, API），允許用戶使用自定義算法，實現(xiàn)參數(shù)校準與特定場景的設計優(yōu)化，滿足多樣化的工業(yè)研發(fā)需求。
（3） 為補充物理模擬能力，BatMind Craft? 采用人工智能與大數(shù)據(jù)技術，實現(xiàn)系統(tǒng)級的數(shù)據(jù)驅動智能設計與決策優(yōu)化。該軟件整合了通過海量數(shù)據(jù)集（包括在線運行數(shù)據(jù)與離線實驗數(shù)據(jù)）持續(xù)迭代訓練而成的高保真預測模型，能夠可靠且精準地預測復雜工況（如溫度變化、動態(tài)負載曲線）下電池組的行為；不僅能在實際運行環(huán)境中對異常電芯進行跟蹤、管理與智能預警，還能對電池設計、制造與運行三個關鍵階段的表征數(shù)據(jù)進行分析，覆蓋電池服役的全生命周期。
BDA的成功不僅依賴于技術突破，更在于其構建的產(chǎn)業(yè)開發(fā)與應用生態(tài)。通過助力材料制造商加速新型材料的發(fā)現(xiàn)，賦能電芯制造商優(yōu)化電芯設計、提高生產(chǎn)良率，為原始設備制造商（Original Equipment Manufacturers, OEMs）提供 BMS 解決方案，它能夠為材料制造商、電芯制造商及終端OEM廠商創(chuàng)造核心價值。通過緊密的產(chǎn)業(yè)合作與迭代反饋，推動整個鋰離子電池價值鏈的研發(fā)模式升級與創(chuàng)新效率提升。
4. 總結與展望：
本綜述首次系統(tǒng)性地構建了BDA的概念框架、技術體系與實踐路徑，論證了其通過整合AI與多尺度模擬，解決鋰離子電池研發(fā)核心瓶頸的巨大潛力。盡管在實現(xiàn)高精度多尺度模擬、解決數(shù)據(jù)質量與融合問題等方面仍面臨挑戰(zhàn)，但BDA無疑為電池研發(fā)范式的革新奠定了基礎。
圖5. 人工智能驅動的BDA跨尺度高精度模擬示意圖
展望未來，研究團隊指出，需通過發(fā)展更穩(wěn)健的AI算法、多保真度數(shù)據(jù)融合技術，并建立可靠的“設計-模擬-驗證”閉環(huán)，分階段推進BDA的完善與產(chǎn)業(yè)化落地。對于全球電池產(chǎn)業(yè)而言，BDA提供了從依賴制造優(yōu)勢轉向依托研發(fā)創(chuàng)新的戰(zhàn)略機遇，有望鞏固并提升其在未來能源技術競爭中的核心地位，為開發(fā)更高性能、更安全、更具成本競爭力的下一代鋰離子電池提供新的設計范式。
作者與資助信息：
北京大學新材料學院鄭家新副教授、北京大學博士后賴根明、深圳屹艮科技首席技術官左沄興博士、寧德時代香港研究院副院長龔嘉棟博士、寧德時代21C實驗室徐波博士以及寧德時代聯(lián)席研發(fā)總裁歐陽楚英教授為該論文聯(lián)合通訊作者。新材料學院2024級碩士研究生劉澤凱為該論文第一作者。本研究獲國家重點研發(fā)計劃“新材料重大專項”項目與國家自然科學基金“數(shù)學天元基金重點專項”的資助。
