環(huán)保在線APP
環(huán)保在線手機站
環(huán)保在線小程序
微信公眾號
回放
回放
回放
品牌
高源
6月11日，火山引擎 Force 大會公布，字節(jié)跳動 Seed 及火山引擎，將與比亞迪鋰電池深化合作，通過聯(lián)合實驗室等形式，共同探索 AI for Science 結(jié)合高通量實驗，加速鋰電池研發(fā)。
不久前，比亞迪發(fā)布了兆瓦閃充電池，實現(xiàn)“充電 5 分鐘，續(xù)航 400 公里”，引發(fā)較高關(guān)注。兆瓦閃充電池背后，比亞迪團隊在研發(fā)初期就引入了字節(jié)跳動 Seed 團隊打造的電解液 AI 模型框架 BAMBOO，幫助對電解液配方進行快速篩選。相比于傳統(tǒng)試錯方法，BAMBOO 能結(jié)合實驗數(shù)據(jù)，準(zhǔn)確預(yù)測電解液的密度、粘度、離子電導(dǎo)率等關(guān)鍵性能，在兆瓦閃充電池研發(fā)過程中，快速縮小了實驗配方空間，加速了研發(fā)進程。
未來，字節(jié)跳動 Seed 團隊與比亞迪鋰電池將通過共建“AI+高通量聯(lián)合實驗室”，進一步深化合作，針對動力電池的快充、壽命和安全等問題進行攻關(guān)。同時，雙方也將探索 AI 技術(shù)在電池研發(fā)中的更多場景，加速新材料和新配方的發(fā)現(xiàn)，推動動力電池技術(shù)的進步。
1. AI for Science 精準(zhǔn)預(yù)測，加速鋰電池研發(fā)
鋰電池作為當(dāng)前主流的能源存儲技術(shù)，其電解液是影響電池性能的關(guān)鍵因素之一。電解液的物理化學(xué)性質(zhì)(如密度、粘度、離子電導(dǎo)率等)直接決定了電池的快充能力、壽命和安全性。
然而，傳統(tǒng)的電解液配方設(shè)計依賴實驗試錯法，不僅周期長、成本高，且難以全面探索復(fù)雜的多組分體系。具體而言：
鋰電池系統(tǒng)涉及復(fù)雜的物理化學(xué)過程和從原子到宏觀結(jié)構(gòu)的多尺度特性，這些過程相互耦合且高度非線性。精確模擬需要涉及電子結(jié)構(gòu)、分子動力學(xué)、連續(xù)介質(zhì)等多尺度模型，計算量巨大。
量子力學(xué)模擬雖然精度高，但計算成本高昂且難以擴展到大規(guī)模復(fù)雜體系；而經(jīng)典力場雖然計算效率高，但精度不足，難以準(zhǔn)確描述電解液的動態(tài)行為。
電解液中復(fù)雜的分子間相互作用，以及溶劑化結(jié)構(gòu)的演進，也難以通過傳統(tǒng)方法準(zhǔn)確捕捉。
上述難點使得傳統(tǒng)的研發(fā)方法耗時長、成本高，且難以系統(tǒng)化和自動化。針對這些問題，字節(jié)跳動 Seed 團隊研發(fā)了電解液 AI 框架 BAMBOO，從微觀溶劑結(jié)構(gòu)和宏觀電導(dǎo)率兩個維度出發(fā)，提升鋰電池的快充性能。結(jié)合實驗數(shù)據(jù)微調(diào)后，BAMBOO 可相對準(zhǔn)確地預(yù)測電解液密度、粘度、離子電導(dǎo)率等關(guān)鍵性能，為電池研發(fā)提供更精準(zhǔn)的理論支持。
2. BAMBOO 框架可快速預(yù)測電解液性能，支持生成潛在配方
BAMBOO-MLFF 是面向以電解液為典型代表的液相有機小分子所設(shè)計的機器學(xué)習(xí)力場，其設(shè)計融合了分子動力學(xué)的物理算法與 AI 模型的網(wǎng)絡(luò)設(shè)計及訓(xùn)練微調(diào)技術(shù)。
具體來看， BAMBOO-MLFF 模型設(shè)計具有如下特點：
1、物理與機器學(xué)習(xí)融合的架構(gòu)：將復(fù)雜的分子間作用力按照半局域、靜電、色散分類分別建模，確保模型對微觀世界進行精確刻畫，以提升分子動力學(xué)模擬的精度和效率。
2、精簡高效的旋轉(zhuǎn)等變網(wǎng)絡(luò) GET(Graph Equivariant Transformer)：在模型訓(xùn)練數(shù)據(jù)利用效率、模型預(yù)測精度、模型推理速度三方面綜合優(yōu)化，實現(xiàn)高效準(zhǔn)確的 AI 分子動力學(xué)計算。
3、集成知識蒸餾與密度對齊：首先，通過訓(xùn)練多個模型并“蒸餾”為一個模型(Ensemble Knowledge Distillation)，提升預(yù)測穩(wěn)定性；其次，采用密度對齊算法(Density Alignment)，利用少量真實實驗數(shù)據(jù)，將宏觀測量結(jié)果與微觀模擬關(guān)聯(lián)起來，進一步提升模型預(yù)測精度。
4、高精度性質(zhì)預(yù)測：通過少量實驗微調(diào)，模型在粘度和電導(dǎo)率預(yù)測上顯著優(yōu)于傳統(tǒng)方法，預(yù)測密度誤差僅 0.01g/cm³。此外，模型還可以揭示電解液微觀機理，如溶劑化結(jié)構(gòu)的變化，為配方設(shè)計提供分子層面的理論指導(dǎo)。
此外，在廣泛粗篩階段，為改進分子動力學(xué)方法耗時較長、化學(xué)配方搜索空間巨大等問題，團隊也提出了 BAMBOO-Mix 配方生成和預(yù)測模型。模型可根據(jù)約束性質(zhì)直接生成潛在配方，或?qū)o定配方快速進行性質(zhì)預(yù)測，同時支持正向預(yù)測和配方逆向生成。
該模型的正向預(yù)測能力包括“輸入單分子-模型預(yù)測性質(zhì)”，或“輸入配方-模型輸出電導(dǎo)率和部分溶劑結(jié)構(gòu)信息”。團隊在正向訓(xùn)練中構(gòu)建了包含 24 萬單分子數(shù)據(jù)、1 萬混合體系實驗數(shù)據(jù)、10 萬分子動力學(xué)模擬數(shù)據(jù)的多種來源的數(shù)據(jù)集，通過圖神經(jīng)網(wǎng)絡(luò)(GNN)提取分子指紋，結(jié)合置換不變聚合模塊，實現(xiàn)多組分體系的物理性質(zhì)預(yù)測。
最終模型實現(xiàn)可較為精準(zhǔn)地預(yù)測電導(dǎo)率(R²=0.985)、鋰離子溶劑化結(jié)構(gòu)(陰離子配位數(shù) R²=0.953)等關(guān)鍵參數(shù)，支持對溫度(-50°C——100°C)和鹽濃度(0.1——2.0M)的廣泛范圍內(nèi)的預(yù)測。
在逆向生成能力上，該模型在擴散生成模型應(yīng)用于電解液配方設(shè)計上做了前沿探索，基于條件擴散模型(Conditional Diffusion Model)實現(xiàn)多目標(biāo)約束下的配方設(shè)計。輸入目標(biāo)電導(dǎo)率(5-30 mS/cm)和陰離子配位比例(0.1-0.7)，可直接生成含 62 種溶劑 / 17 種鋰鹽的可行配方，單次生成僅需秒級計算。
3. 雙方將打造聯(lián)合實驗室，加速鋰電池研發(fā)迭代
基于前期的深入合作，字節(jié)跳動 Seed 與比亞迪鋰電池將進一步擴大合作范圍，包括打造 AI+高通量聯(lián)合實驗室，通過共享算法、算力和實驗數(shù)據(jù)的形式，形成電池領(lǐng)域“干濕閉環(huán)”的整體技術(shù)方案，推動 AI for Science 研究在鋰電池領(lǐng)域更好地落地。
其中，字節(jié)跳動 Seed 團隊將持續(xù)投入模型算法研究能力，依托火山引擎的云基礎(chǔ)設(shè)施，聚焦模型能力的持續(xù)優(yōu)化；比亞迪鋰電池將提供高通量實驗平臺，提供大規(guī)模、系統(tǒng)性、高一致性的實驗數(shù)據(jù)，為模型優(yōu)化提供高質(zhì)量的數(shù)據(jù)保證。
未來，雙方還將構(gòu)建面向電池綜合性能，融合海量實驗和計算數(shù)據(jù)的 AI 模型，打通從 AI 模型訓(xùn)練、微調(diào)對齊到高通量實驗室調(diào)度的全流程，從更多維度縮短電池迭代周期，并加速新材料和新配方的發(fā)現(xiàn)。
原標(biāo)題：字節(jié)跳動Seed與比亞迪鋰電池深化合作：將成立AI聯(lián)合實驗室加速電池研發(fā)
