往 期 培 训

Previous Training


机器学习固态电池
  • 第6届北京等贤机器学习固态电解质培训班第一轮通知

    发布日期:2026年08月14日培训简介当前,机器学习正深刻变革固态电解质的设计范式,已超越早期的简单性能预测,与原子尺度模拟、高通量筛选、生成式模型及主动学习等前沿技术深度融合,构筑起“计算预测—实验验证—数据闭环”的智能研发新范式。机器学习在固态电解质领域的应用前沿主要体现在:一是开发高保真机器学习力场实现大尺度、长时间的高效分子动力学模拟;二是仅基于化学式或晶体结构即可实现高精度的离子电导率与电化学窗口预测;三是融合生成式AI与LLM,从超大化学空间进行材料的创造性设计;四是引入主动学习,以最少的高成本

  • 第5届北京等贤机器学习固态电池培训班第一轮通知

    能源存储技术作为可再生能源发展的关键支撑,正迎来前所未有的发展机遇。固态电池因其高能量密度、安全性和长循环寿命等优势,被视为下一代储能技术的核心方向。人工智能技术的融入,为固态电池的研发、制造和系统优化提供了全新的技术路径。采用机器学习(ML)技术(包括无监督、有监督、强化学习等),结合密度泛函理论(DFT)、分子动力学模拟(MDS)及实验数据,构建数据库并优化模型,提高了ML在高能量密度电池材料(正负极、电解质)设计、固态电解质开发、快充技术优化、电池寿命预测及回收利用等过程中的应用,分析了不同ML算法在材料筛选、性能预测等方面的作用。解决了电池研究中数据库不完整、模型精度低、实验验证难等问题,通过针对性数据集构建、策略性模型选择等,为突破高能量密度、固态电解质开发等五大挑战提供了方向,推动ML与电池科学的融合。

  • 第4届北京等贤机器学习固态电池培训班第一轮通知

    第4届北京等贤机器学习固态电池培训班第一轮通知发布日期:2026年1月15日培训简介能源存储技术作为可再生能源发展的关键支撑,正迎来前所未有的发展机遇。固态电池因其高能量密度、安全性和长循环寿命等优势,被视为下一代储能技术的核心方向。

  • 第3届北京等贤机器学习固态电池培训班第一轮通知

    第3届北京等贤机器学习固态电池培训班第一轮通知发布日期:2025年7月25日培训简介能源存储技术作为可再生能源发展的关键支撑,正迎来前所未有的发展机遇。固态电池因其高能量密度、安全性和长循环寿命等优势,被视为下一代储能技术的核心方向。人工智能技术的融入,为固态电池的研发、制造和系统优化提供了全新的技术路径。采用机器学习(ML)技术(包括无监督、有监督、强化学习等),结合密度泛函理论(DFT)、分子动力学模拟(MDS)及实验数据,构建数据库并优化模型,提高了ML在高能量密度电池材料(正负极、电解质)设计、固态电解质

  • 第2届北京等贤机器学习固态电池培训班第一轮通知

    第2届北京等贤机器学习固态电池培训班第一轮通知发布日期:2025年05月07日培训简介能源存储技术作为可再生能源发展的关键支撑,正迎来前所未有的发展机遇。固态电池因其高能量密度、安全性和长循环寿命等优势,被视为下一代储能技术的核心方向。人工智能技术的融入,为固态电池的研发、制造和系统优化提供了全新的技术路径。采用机器学习(ML)技术(包括无监督、有监督、强化学习等),结合密度泛函理论(DFT)、分子动力学模拟(MDS)及实验数据,构建数据库并优化模型,提高了ML在高能量密度电池材料(正负极、电解质)设计、固态电解质

  • 第1届北京等贤机器学习固态电池培训班第一轮通知

    第1届北京等贤机器学习固态电池培训班第一轮通知发布日期:2025年03月09日培训简介能源存储技术作为可再生能源发展的关键支撑,正迎来前所未有的发展机遇。固态电池因其高能量密度、安全性和长循环寿命等优势,被视为下一代储能技术的核心方向。人工智能技术的融入,为固态电池的研发、制造和系统优化提供了全新的技术路径。采用机器学习(ML)技术(包括无监督、有监督、强化学习等),结合密度泛函理论(DFT)、分子动力学模拟(MDS)及实验数据,构建数据库并优化模型,提高了ML在高能量密度电池材料(正负极、电解质)设计、固态电解质

共有1页首页上一页1下一页 跳转 页 确定 尾页
seo seo