美国密歇根大学宣布开发出一款基于“发现学习”理念的人工智能（AI）工具，相比传统测试需耗时数月乃至数年，该系统仅需几天的实验数据（仅凭前50次充放电循环）即可准确预测新电池的循环寿命，节省约98%的时间和95%的能源消耗。这一突破不仅大幅降低了研发成本，也为下一代高性能电池的快速迭代提供了强大助力。相关研究成果于2026年2月4日发表在《自然》期刊上。

该系统灵感源自“边做边学”的认知模式，通过主动探索而非被动接受来获取知识。该系统由三个核心模块协同工作：“学习器”负责提出假设并进行短周期测试以填补知识盲区；“解释器”结合物理模型分析数据，挖掘电池间的共性规律；“智囊”则综合实验结果与过往经验，最终预测电池寿命。整个过程模拟了科学家“试错、总结、再验证”的科研逻辑，不仅能从早期数据中捕捉退化趋势，还能识别不同环境下的关键影响因素。

研究团队利用美国Farasis能源公司的袋式电池数据进行了验证，结果证明，该系统虽仅在圆柱形电池数据上训练，却能准确预测结构更复杂的袋式电池性能，展现出优异的泛化能力。研究团队表示，这项技术未来可拓展至电池安全、快充性能等更多维度；更重要的是，“发现学习”作为一种新型机器学习范式，有望推广至化学、材料科学等依赖昂贵实验的领域，为相关研究按下“加速键”。

信息来源：

https://www.nature.com/articles/s41586-025-09951-7

https://www.stdaily.com/web/gjxw/2026-02/06/content_471326.html