深势科技李思敏：AI4S新范式赋能电解液智能研发

5月14日，由大东时代智库（TD）、广东省电池行业协会联合主办的“第三届新能源数字化交流会暨AI应用大会”圆满落幕。数百位新能源企业及数智化服务商代表齐聚深圳，开启新能源产业与智能制造、AI技术深度融合的内容探讨。

北京深势科技有限公司（简称“深势科技”）物质科学事业部解决方案与中台负责人李思敏博士发表了《AI4S新范式赋能电解液智能研发》的主题演讲，系统性阐述了电解液研发领域的关键痛点及智能化解决方案。大东时代智库（TD）对演讲内容进行了摘录，供大家参考。

深势科技作为“AI for Science”（缩写AI4S）科学研究范式的践行者，专注于通过AI技术解决科学研究和工业研发中的关键问题。其自主研发的“深势·宇知®”AI for Science大模型体系，覆盖从分子设计到工业仿真的全链条能力，其中Piloteye®电池设计自动化平台等工具已应用于能源材料领域。公司科研团队由中国科学院院士领衔，成员涵盖数学、物理、化学、材料等多学科领域，博士及博士后占比超35%，核心成果曾获2020年全球高性能计算最高奖“戈登贝尔奖”。

基于这一技术体系，李思敏博士指出，电解液作为电池的"血液"，直接影响电池的低温性能、安全性和循环寿命，其市场规模已达千亿级。然而，当前行业面临三大核心挑战，超大规模配方筛选效率低下、微观-宏观性能关联预测困难、全链条研发周期冗长。

李思敏博士指出，电解液作为电池的"血液"，直接影响电池的低温性能、安全性和循环寿命，其市场规模已达千亿级。然而，当前行业面临三大核心挑战，超大规模配方筛选效率低下、微观-宏观性能关联预测困难、全链条研发周期冗长。

针对配方空间筛选难题，李思敏博士指出电解液配方由溶剂、锂盐、添加剂等成分构成，理论组合量级高达10^23-10^24。传统人工试错模式已无法应对如此庞大的搜索空间。深势科技通过构建多源数据融合的知识图谱系统，整合文献中的配方结构、性能目标等专业数据，结合算法生成数据与实验室标准化数据，形成高质量数据库。利用自然语言处理技术解析行业知识，标注配方结构与性能关联信息，实现研发起点的智能化优化。该系统可将初期筛选效率提升数十倍，快速定位高潜力配方。

在微观-宏观性能预测层面，深势科技建立了两级预测体系。首先基于20亿分子构象预训练构建统一分子表征模型，实现熔点、界面能等基础性质的快速预测；随后引入函数算子训练建立配方级性能预测模型，精准输出电导率等关键指标。结合分子生成算法，系统可生成上万候选配方，通过多层级筛选将验证样本量压缩至个位数。该技术使配方研发周期缩短60%以上，三个月内成功将电解液电池循环次数从186次提升至500次，效率显著超越传统人工迭代模式。

针对研发链条效率瓶颈，李思敏博士强调传统流程需经历分子合成、材料制备、电池组装等长周期环节，实验室端年测试量仅约2500次且数据置信度低。深势科技开发的智能实验室系统（LIMS）整合配方大模型、自动化混料工作站和高通量测试设备，形成设计、实验、反馈的全流程闭环。该系统可自动调度设备完成配方混料、电池组装及性能测试，实验数据实时反哺模型优化。2022年底深势科技与宜宾市政府共建的电解液智慧实验室已验证该体系效能，推动端到端智能化研发落地。

技术底座方面，深势科技依托2020年戈登贝尔奖成果 深度势能分子动力学模拟技术，突破性地实现了接近量子力学精度的分子模拟效率。基于此构建的电池研发平台已形成知识中心覆盖文献解析与专利分析、计算中心集成分子设计及配方优化算法工具库、实验中心贯通智能设备与数据管理平台的三大支撑体系。该平台深度耦合从文献挖掘、分子设计到工艺优化的全流程，已实现电解液研发的智能化升级。

李思敏博士总结指出，AI4S（人工智能驱动的科学计算）并非替代科研人员，而是通过数据、模型、实验的闭环加速创新迭代。在新能源、机器人等领域对电池性能需求激增的背景下，深势科技的技术路径为千亿级电解液市场提供了可复用的研发模式，其智能实验室系统与多尺度预测模型已展现出显著的行业应用价值。