人工智能赋能电池技术：第九期Automotive Innovation Workshop成功举办

聚焦AI在电池安全与管理中的前沿应用，全球专家学者共探技术创新路径

12月16日，第九期Automotive Innovation Workshop在线成功举办，主题聚焦“Artificial Intelligence for Batteries”。本次会议由中国汽车工程学会主办，《Automotive Innovation》与《汽车工程》承办，采用全英文演讲形式，邀请多位国际知名专家分享AI在电池技术领域的最新研究成果。活动通过汽车学会视频号及多个直播平台全球同步播出，累计观看人次超2.5万。

章新杰教授作欢迎致辞

Automotive Innovation执行副主编、吉林大学教授、汽车底盘集成与仿生全国重点实验室副主任章新杰致开幕辞。他介绍了本次研讨会的背景，并强调期刊致力于为全球汽车领域科研人员和工程师搭建高水平学术交流平台，推动前沿技术探讨与国际合作。

冯旭宁副教授主持会议

Remus Teodorescu发表演讲

奥尔堡大学教授Remus Teodorescu围绕“Smart Battery: A New Technology Benefiting from AI”展开分享。他系统阐述了AI在电池状态估计（SOC/SOH/SOT）、故障检测与安全管理中的应用，提出智能电池的新范式。该技术基于电池单元旁路机制，实现故障容错、预加热、可控短路、电压调控、化学体系解耦、二次寿命延长、低损耗均衡及板载阻抗测量等功能，显著提升电池效率与可靠性。他还介绍了结合深度学习与物理信息神经网络（PINN）进行温度轨迹预测与分布估计的方法，为电池热安全管理和性能优化提供新思路。

王昱发表演讲

清华大学助理研究员王昱以“Machine Learning for Battery Thermal Runaway Modeling”为题，深入剖析电池热失控（Thermal Runaway, TR）的复杂机理及其对电池安全的关键影响。为突破传统“试错法”的局限，其团队开发了基于材料热行为的建模方法。通过提出的温度挖掘（Temperature Excavation, TE）技术，将少量实验数据转化为百万级训练样本，成功构建首个普适性强的电池热失控预测模型。该模型可在500℃温域内高精度预测15种不同品牌与化学体系的电池表现，覆盖常规工作条件。TE方法展现出良好的算法兼容性与训练稳定性，为机器学习在热化学及跨学科研究中的应用提供了重要参考。

本届Automotive Innovation Workshop的成功举办，进一步强化了国际学术交流机制，推动人工智能与电池技术深度融合。未来，该系列研讨将持续汇聚全球智慧，促进汽车科技创新成果共享与发展。

责任编辑：戈文雅

责任校对：汪秀明

最终审核：李冬

《Automotive Innovation》介绍

《Automotive Innovation》是中国汽车行业首本获国家新闻出版署批准的英文科技期刊，由中国汽车工程学会（China SAE）倾力打造，旨在推动中国汽车创新成果走向世界，提升行业国际话语权。期刊以建设世界一流科技期刊为目标，汇聚来自全球18个国家和地区的权威专家组成编委会，与Springer Nature合作出版，确保高标准学术质量。目前已入选EI、ESCI、Scopus数据库，2023年影响因子达4.8，CiteScore为8.5，位列中科院分区工程技术1区。期刊每季度发行一期，读者遍及72个国家和地区，单篇最高下载量逾6.4万次。

期刊聚焦智能网联汽车、新能源汽车、未来出行等前沿领域，刊发具有创新性的理论研究、方法探索、产品开发与工程技术应用成果。创刊联合主编为清华大学李骏院士与赵福全教授，执行副主编为吉林大学章新杰教授。