物理学院学术报告（第90期）

报告题目：基于机器学习的电池健康诊断技术

报告专家：张云蔚 副教授    中山大学

报告时间：2024年11月29日（周五） 14：30

报告地点：理6栋302      邀请人：金元俊

报告内容：

预测锂离子电池的健康状态和剩余可用寿命是一个尚未解决的挑战，限制了储能技术的发展。这里，我们通过将电化学阻抗谱（EIS），一种实时、非侵入性且信息丰富的测量方法，结合机器学习方法，建立了一套准确的电池健康诊断技术。基于我们前期建立的开源商用锂离子电池EIS数据库（含有超过20,000个数据点，在不同的健康状态、充电状态和温度下收集），训练了多种机器学习模型准确评估电池健康状态以及预测剩余使用寿命。我们的模型将完整的EIS谱作为输入，无需进行特征工程处理，能够自动确定与电池老化最相关的谱学特征。研究结果证明了人工智能结合EIS数据在电池管理系统中的应用价值。

专家简介：

张云蔚，中山大学物理学院“百人计划”副教授，剑桥大学Hughes Hall荣誉研究员。本科及博士毕业于吉林大学物理学院。2017-2021年，先后在新加坡科技设计大学，香港大学，英国剑桥大学从事凝聚态计算物理研究。研究兴趣集中在利用机器学习结合第一性原理方法模拟和预测复杂凝聚态体系，如预测锂电池老化行为、逆向设计能源材料等。发表学术论文包含Nature, Nature Comm, Phys. Rev. X, JACS等，累计引用千余次。获得2023年世界人工智能大会SAIL最高奖。