据外媒报道，固态电池技术公司Factorial宣布推出专有的人工智能（AI）驱动仿真平台Gammatron™，旨在通过改进电池性能的预测、验证和优化方式，加速下一代电池的开发。

图片来源： Factorial

Gammatron™源于Factorial自身的研发经验，旨在成为一款以需求为导向的工具，旨在解决电池开发中的关键延迟问题。与仅专注于系统级建模的传统人工智能平台不同，Gammatron™融合了电化学、热力学和高保真实验室数据，能够在材料和电池系统层面模拟和优化电池性能。

Factorial首席执行官Siyu Huang表示：“验证一种新的电池设计可能需要数年时间，但借助Gammatron™，我们已证明可以显著缩短这一时间——只需两周的早期测试就能预测长期性能，而通常需要三到六个月。通过将自动化与数据驱动的洞察相结合，我们正在以更快的速度和更强的控制力加速开发。”

Gammatron™的主要功能包括：

  • 基于人工智能的电池单元数字孪生模型，可准确预测电池的健康状态，并加速快速充电优化，从而最大限度地提高容量，最大限度地减少衰减和内部应力，同时确保电池的安全性和使用寿命。

  • 利用分子建模和机器学习加速电解液配方，基于对分子相互作用的深入了解，设计出满足特定性能目标的成分。

  • 先进的物理建模技术，可模拟电池内部行为，包括应力、热量和衰减，而这些行为在测试中无法直接观察到。

在Factorial与Stellantis的联合开发中，Gammatron™帮助预测了电池在全面测试完成之前的性能——这是提前推进验证计划的关键因素。在某些情况下，Gammatron™支持的协议调整在不改变电池化学性质的情况下将循环寿命延长了一倍。

“电池是复杂的动态化学系统。Gammatron™将机器学习与科学特征工程相结合。大多数平台在浅层机器学习方面遇到瓶颈，而Gammatron™则更深入，向工程师展示哪些材料和设计变更将带来更长的使用寿命和更高的性能，”Factorial业务发展副总裁Raimund Koerver表示。“它不仅仅是预测结果，更是实现更好的结果。”

该技术旨在强化Factorial对下一代电池单元的核心关注，在简化客户认证、提升整体电芯性能和加速内部开发方面发挥着关键的支撑作用。通过集成材料筛选、电池单元数字孪生和电芯制造可追溯性等先进功能，该技术能够在整个电池生命周期内实现更高效、数据驱动的创新。