11 月 11 日，世界动力电池大会系列活动之一的“智能驱动电池未来”主题活动在宜宾举行。当天，深势科技发布基于玻尔科研空间站、Uni-Lab 的电解液自主发现智能系统。该系统深度融合 AI for Science 理念、需求场景及先进技术，贯通研发全链条，推动电解液研发模式从传统 “经验试错” 向 “AI 赋能” 全面革新，为行业攻克研发难题、突破发展瓶颈提供核心解决方案。

1. 从需求分析调研到配方生成：AI 赋能高效筛选

在传统电解液研发范式中，文献调研阶段通常需跨学科团队投入超 3 个月的人力成本，且因检索局限性存在关键信息遗漏风险。本智能系统深度融合 AI 技术，实现研发流程的系统性革新：

• 智能文献处理体系：基于深度学习算法构建的垂直领域文献分析模型，针对 "高循环稳定性锂金属电解液" 等前沿研发课题，可在 1.7 亿篇全量文献中完成多维度语义匹配，精准筛选约 3 万篇与课题高相关度文献。另外还支持对文献中的多模态信息进行提取，自动解析实验配方组成、工艺参数等核心要素，构建知识大脑，将文献调研周期压缩至数小时量级。

• 高通量配方生成系统：依托专业文献知识库与项目技术参数约束条件，运用实验设计（DOE）优化算法对电解液配方空间进行全局探索。系统可实现百万级候选配方的并行生成，通过参数协同优化机制规避传统试错模式下的方向性偏差，显著提升创新效率。

• 智能配方优化平台：实验数据经标准化处理上传至玻尔平台，系统基于机器学习强化学习框架，对百万级配方库进行性能预测与量化评估，通过多目标优化算法输出前 10 优选方案，经实测验证可实现研发效率提升达 10 倍以上。

智能文献检索及筛选

Uni-ELF 配方模型实现配方设计

2. 实验验证：自动化闭环保障数据更精准

为有效规避人工操作引入的实验误差，本系统通过深度集成 Uni-Lab 自动化平台与专业表征仪器，构建起覆盖 "配液分液 - 扣电组装 - 性能测试 - 配方解析" 全流程的自动化研发体系：

• 全流程自动化实验架构：基于 Uni-Lab 进行智能化工作流编排，通过一键式操作，完成电解液精准配置与安全转运，与扣电组装、性能测试等关键环节实现无缝衔接，实现实验全程无人化操作，显著提升实验数据的重复性与可靠性，有效消除人为因素导致的数据偏差。

• 智能表征与解析系统：针对电芯性能优化需求，系统可智能调用核磁共振（NMR）、气相色谱 - 质谱联用（GCMS）等表征设备。用户仅需输入样品参数，即可触发自动化表征流程。系统内置电解液分子 NMR 图谱数据库，并采用先进的配方逆向解析算法，可将复杂混合物谱图精确解构为单分子图谱，实现配方成分与含量的定量分析，为配方优化提供坚实的数据基础。

• 实时数据驱动的迭代优化：扣式电池性能测试数据将实时同步至系统，自动融入配方优化模型，形成 "实验数据采集 - 模型迭代更新 - 配方优化设计" 的闭环工作机制，持续推动研发过程向更高效率、更优性能方向演进。

Uni-Lab 工作流编排

智能表征与解析

在 NCM811/锂金属电池电解液研发案例中，该智能系统已展现出显著应用价值：研发周期大幅缩短，传统模式下半年的研发目标，系统仅用 3 个月即完成从配方设计到性能验证的全流程，研发效能提升 10 倍；性能显著提升，开发的新型电解液循环寿命达 450 圈，较行业标杆产品的 300 圈提升 50%，满足高容量电池对长循环性能的需求；通过减少无效实验试错，开发成本降低 90%，实现 “降本增效” 的研发目标，为企业提升市场竞争力提供支撑。

电解液自主发现智能系统的发布，不仅是深势科技在 “AI + 新材料” 领域的重要突破，更将推动电解液行业研发模式变革：在研发效率和成本管理层面，可帮助团队压缩研发周期、降低试错成本，快速抢占技术高地，为业务拓展提供技术保障；在产业及生态发展层面，电解液自主发现智能系统提供了可复制、可落地的高效研发方案，助力行业整体突破性能瓶颈，推动电解液技术向更高精度、更高效率方向发展，为新能源电池产业升级奠定技术基础。