比如，鈉電正極材料傳統制備工藝流程包括球磨、乾燥、燒結等，通過數據搜集、算法建模、采樣優化、迭代反饋，鈉電正極材料工藝得到優化，將初始放電容量提升了6%。“其實是使用同樣的材料，但應用了不同的生產工藝，實際產出了更好的一個產品，這是工藝優化能夠產生的價值。”技術人員表示。
此外，表征算法在材料的生產和檢測中也大有用武之地。
據該技術人員介紹，深勢科技打造的表征大模型Uni－AIMS，利用深度學習算法自動識別電鏡圖像中的物體，並進行細致的表征計算，可為科研探索和工業生產提供數據支持。以鋰電池生產為例，鋰電池實際上是由頭髮絲大小的顆粒組成，生產過程中一個關鍵環節就是去檢測生產出的顆粒大小是否合格。Uni－AIMS可通過算法高效識別產品中所有顆粒的大小，實現高度自動化。
當前，人工智能正在重塑新材料研發範式，受到全球廣泛關注。全球科技巨頭和相關創新主體紛紛布局“人工智能＋新材料”，並形成一批典型案例。
今年1月，《北京市加快推動“人工智能＋新材料”創新發展行動計劃（2025－2027年）》發布，提出到2027年，北京“人工智能＋新材料”創新能力顯著增強，打造“人工智能＋新材料”融合創新示範基地，形成國際領先的新材料創新策源與人工智能應用高地。
北京新材料和新能源科技發展中心有關負責人表示，北京將統籌推進關鍵技術核心攻關、新材料數據設施構建、智能實驗室建設，新業態培育和創新生態，加大對AI＋新材料領域的項目支持，提升創新引領能力。 |
