|
第8届北京等贤机器学习锂离子电池培训班第一轮通知发布日期:2025年02月20日 培训简介 锂离子电池作为现代能源存储的核心技术,其性能优化与安全性提升面临多尺度、多物理场耦合的复杂挑战。传统实验方法受限于高成本与长周期,而基于物理模型的仿真手段难以全面捕捉电池内部的非线性动力学行为。机器学习凭借其强大的数据挖掘与模式识别能力,为锂离子电池研究提供了革命性的技术路径:在材料层面,通过高通量计算与机器学习结合,可快速筛选电极材料并预测其电化学性能,显著加速新型材料的发现;在电池层面,基于数据驱动的状态估计方法(如SOC、SOH预测)突破了传统模型的精度限制;在系统层面,机器学习算法能够实现对电池组的高效管理与故障预警,为电池全生命周期优化提供科学依据。随着实验数据积累与算法创新,机器学习正推动锂离子电池研究从经验驱动向智能设计范式转变,为下一代高性能、高安全性电池的开发开辟新方向。
培训目标 1. 使学员了解锂离子电池的基本原理和特性,以及机器学习在电池技术中的应用背景。通过学习Python编程语言,使学员能够熟练使用基础语法、函数、模块包和面向对象编程,让学员熟悉并掌握机器学习库。 2. 使学员理解神经网络的基础知识,包括激活函数、损失函数、梯度下降与反向传播,并能够使用Pytorch构建全连接神经网络,掌握深度学习中的正则化技术、优化算法和超参数调优方法,了解并能够应用循环神经网络、卷积神经网络、图神经网络、注意力机制、Transformer架构、生成对抗网络和变分自编码器。 3. 培养学员在锂离子电池正极材料特性工程方面的实战能力。通过实战项目,使学员能够使用机器学习技术预测锂离子电池性能、稳定性,并进行电池性能分类。理解如何将机器学习与分子动力学模拟、第一性原理计算以及实验数据结合,以加速新材料的发现和电池性能的优化。 4. 电池管理系统(BMS)的智能化学习:使学员了解BMS的功能与组成,并能够应用机器学习技术进行电池充放电策略的优化。培养学员使用机器学习技术进行锂离子电池的实时充电状态(SOC)和健康状态(SOH)估计。 5. 拓宽学员的国际视野,让他们接触和学习国际上的先进研究成果。培养具备跨学科整合能力的学员,使他们能够在锂离子电池、深度学习、数据科学等领域之间架起桥梁,开展创新性研究。 培训授课讲师 来自全国重点大学、国家“985工程”、“211工程”重点高校,长期从事锂离子电池研究,特别是在利用计算模拟方法和机器学习技术解决锂离子电池领域的关键问题。在多个国际高水平期刊上发表 SCI检索论文30余篇。他的授课方式深入浅出,能够将复杂的理论知识和计算方法讲解得清晰易懂! 培训内容大纲 第一天 上午:锂离子电池与机器学习基础 锂离子电池与机器学习背景:了解锂离子电池的基本原理、发展历程、应用领域以及当前面临的挑战;介绍机器学习的定义、发展历程、主要应用领域以及与锂离子电池研究的结合点,探讨机器学习如何助力锂离子电池性能提升和新材料研发。Python基础语法、函数、模块和包、面向对象编程机器学习库介绍:Numpy、Pandas、Matpliotlib、Seaborn、Scikit-learn 第一天下午:监督学习与非监督学习 入门监督学习与非监督学习 K-近邻、支持向量机、决策树、线性回归、逻辑回归 实战一:使用机器学习预测锂离子电池性能:特征工程描述包括电池的充放电循环数据、温度、电流、电压、电池的制造参数、材料特性等,选择不同的机器学习模型,例如决策树、随机森林、支持向量机,最后进行性能评估。 第二天上午:聚类分析与集成学习 K-均值聚类、层次聚类、PCA、t-SNE 集成学习:随机森林、Boosting 交叉验证、性能指标、模型评估与选择、网格搜索 实战二: 特征选择与聚类算法选择:根据锂离子电池的性能特征(如容量、能量密度、内阻、循环稳定性等),选择合适的聚类算法(如K-均值聚类、层次聚类等),通过特征工程对数据进行预处理,将数据转换为适合聚类分析的格式。 聚类结果分析与降维验证:对聚类结果进行分析,观察不同聚类类别中电池的性能特点和分布规律,通过降维技术(如PCA、t-SNE)对聚类结果进行可视化验证,判断聚类结果的有效性和合理性,为锂离子电池的性能分类和优化提供依据。第二天下午:神经网络基础与深度学习技术 神经网络基础、激活函数、损失函数、梯度下降与反向传播 Pytorch构建全连接神经网络 深度学习中的正则化技术:L1、L2、Dropout 优化算法:SGD、Adam、RMSprop 超参数调优:网格搜索、随机搜索、贝叶斯优化 实战三:基于深度学习的高熵材料的虚拟高通量筛选: 收集和整理用于训练的数据集,包括高熵材料的化学组成、晶体结构、物理化学性质等,使用准备好的数据集对深度学习模型进行训练,并采用交叉验证等方法来评估模型的泛化能力。 第三天上午:高级深度学习架构与应用 循环神经网络卷积神经网络图神经网络注意力机制Transformer架构生成对抗网络变分自编码器 实战四:基于图神经网络的锂离子电池性能预测:构建图神经网络模型,选择合适的架构,如GCN、GAT等,来学习材料图特征节点和边的表示,用于预测锂离子电池性能。 第三天下午:锂离子电池材料的机器学习应用 锂离子正极材料的特征工程 实战五:基于机器学习的锂金属正极材料的稳定性预测:选择合适的机器学习模型,如支持向量机、随机森林、集成学习、神经网络,使用适当的评估指标,如准确率、召回率、F1分数等,来衡量模型预测锂金属正极材料稳定性的性能。实战六:实验引导的高通量机器学习分析:讲解将机器学习模型集成到实验流程中,优化实验过程,实现从实验设计到数据分析的自动化和智能化。 第四天上午:机器学习与多尺度模拟的结合 基于锂离子电池的机器学习与多尺度模拟机器学习、分子动力学模拟与第一性原理计算机器学习与实验结合 实战七:介绍Materials Project数据库的基本情况和功能,说明如何从该数据库中提取与锂离子电池相关的电数据,包括材料的晶体结构、电子结构、电化学性能等信息。从Materials Project数据库中提取电池电数据,利用深度学习技术来预测多价金属离子电池的电极电压,并开发了一个可解释的深度学习模型,以加速多价金属离子电池材料的设计和优化。 实战八:收集液态电解质添加剂电池系统中的性能数据,包括最终面积比阻抗、阻抗增量和比容量,基于分子结构信息,生成特征向量,通过数据收集、特征工程、模型训练与验证等机器学习流程,成功预测出最佳液态电解质添加剂组合。 第四天下午:机器学习在电池管理系统中的应用 机器学习在电池管理系统中的应用介绍电池管理系统(BMS)的功能与组成电池充放电管理电池安全与保护电池健康状态的指标电池老化分析。 实战九:探讨如何将物理模型(如电池的电化学模型、热模型等)与机器学习模型相结合,利用物理模型的先验知识和机器学习模型的数据驱动能力,提高对电池状态的预测精度和可靠性,例如通过物理模型提供电池状态的初始估计,再利用机器学习模型对实际数据进行拟合和修正,实现对电池长期性能和寿命的准确预测。 第五天上午:机器学习在电池寿命预测中的应用 实战十:收集锂离子电池在不同充放电条件下的运行数据,包括电压、电流、温度、充放电时间等,这些数据是SOC和SOH估计的基础,通过数据预处理、特征提取等步骤,将数据转换为适合机器学习模型输入的格式,提高模型的估计精度。 选择合适的机器学习模型(如线性回归、支持向量机、神经网络等),根据处理后的数据对模型进行训练,通过交叉验证等方法对模型的准确性和泛化能力进行评估,选择最优的模型用于锂离子电池的SOC和SOH实时估计,通过实例代码展示模型训练和评估的过程,分析模型的性能指标和估计结果。 将训练好的机器学习模型集成到BMS中,实现对锂离子电池SOC和SOH的实时估计,通过实时监测电池的状态参数,利用模型进行快速准确的估计,为电池的充放电管理、安全保护和健康状态评估提供实时数据支持,提高BMS的智能化水平和电池的使用效率。 第五天下午 实战十一: 基于大语言模型(LLM)的文献v数据自动化提取与应用。重点讲解如何利用大语言模型(LLM)与检索增强生成(RAG)技术,构建自动化信息提取框架,解决科学数据提取耗时耗力的瓶颈。从电池文献中自动提取关键参数(如材料成分、晶体结构、工作电压等),构建小型材料数据库。 实例十二: 基于大语言模型搭建电池健康状态(SOH)智能预测系统。利用大语言模型自动化机器学习算法的实施与优化,以实现对锂电池健康状态(SOH)的智能预测,通过结构化的提示工程(Prompt Engineering)引导LLM完成自动化机器学习预测过程。基于公开电池数据集对比LLM驱动的模型与传统方法的性能差异。 课程特色及授课方式
线上授课时间和地点自由,建立专业课程群进行实时答疑解惑,理论+实操授课方式结合大量实战案例与项目演练,聚焦机器学习锂离子电池领域的最新研究进展,课前发送全部学习资料,课程提供全程答疑解惑;
完全贴合学员需求的课程体系设计,定期更新的前沿案例,由浅入深式讲解,课后提供无限次回放视频,免费赠送二次学习,发送全部案例资料,永不解散的课程群,可以与相同领域内的老师同学互动交流问题,让求知的路上不再孤单!
增值服务 1、凡参加人员将获得本次课程学习资料及所有案例模型文件; 2、课程结束可获得本次所学专题全部回放视频; 3、课程会定期更新前沿内容,参加本次课程的学员可免费参加一次本单位后期举办的相同专题课程(任意一期) 课程会议完毕后老师长期解疑,课程群不解散,往期会议学员对于会议质量和授课方式一致评价极高! 学员对于会议答疑给予高度评价!
授课时间
机器学习锂离子电池: 2025.03.08----2025.03.09(上午9.00-11.30下午13.30-17.00) 2025.03.14----2025.03.15(上午9.00-11.30下午13.30-17.00) 2025.03.18----2025.03.19(晚上19.00-22.00) 腾讯会议 线上授课(共五天课程 提供全程视频回放) 课程费用 每人每班:4980元 往届学员的优惠:为便于往届学员获得后来历届培训里增加的大量新知识,,参加过以往任意一届北京等贤培训班的学员可享受8折优惠!报名时请主动在邮件里说明。
报名方式
联系人:陈老师 咨询电话:15652523032(微信同号) 相关事项(必读!) 1、每个学员在报名后都会提供盖有公章的邀请函。 2、若有任何问题需要咨询或沟通,请发送邮件至13169611059@qq.com。 3、郑重声明:北京等贤的培训讲义、录音以及培训中提供的一切电子资料,皆仅限学员自己学习使用,严禁私下复制、传播、盗卖,不得发布至网络上公开平台,否则必将被严厉追究法律责任、要求赔偿经济损失,情节严重的还将在网络上予以公示、向涉事者所在学校/单位进行通报。报名本培训视为认可本条款。 4、报名后允许取消报名,决定取消报名时应尽早通知我们。如果在报名后因为不可抗力而不得不取消报名,一次无妨,但如果反复出现多次在报名后又取消报名的情况(特别是到了培训快开始,我们发催款通知后才说要取消报名),将会影响信誉,导致在报名未来北京等贤的培训时降低受理的优先级,或者不再接受。如果报名后,我们尝试通过报名表中的各种联系方式联系报名者但经过数日都没有收到任何回复,本次报名将作废,且报名未来的培训时将不再受理。我们希望发来报名表的都是真心要参加培训学习知识的人,请尽量避免浪费有限的培训名额。
|
