通过 AI 接口加速电池研究：FINALES 与 Kadi4Mat 之间的集成
人工智能
2026-05-05 v1 材料科学
机器学习
摘要
耗时的形成过程严重影响钠离子硬币电池和终端寿命（EOL）性能。本研究旨在优化形成协议，以实现时间效率和高性能之间的平衡，同时最小化实验数量以减少资源消耗并加速发现。具体而言，我们考虑两个可能竞争的目标：最小化形成时间和最大化 EOL 性能。除此应用外，我们还提出了一种方法性贡献：一个设计用于启用 FINALES 和 Kadi RDM 生态系统之间互操作性的框架，我们运用于解决我们的优化问题。在此设置下，FINALES 框架协调实验计划和执行，同时由 Kadi4Mat 中的主动学习智能体指导实验选择，采用多目标批量贝叶斯优化有效地探索参数空间。这种互操作性增强实现了自动化系统和人类操作工作流程之间的协调分布式协作，跨越多个研究中心。通过该方法，我们迭代探索了形成时间与 EOL 性能之间的权衡，并识别出接近帕累托前沿的候选解决方案。该工作流程展示了可互操作基础设施如何促进数据驱动的电池研究优化，建立了一个适用于多样化材料科学和工程优化任务的可迁移框架。
引用
@article{arxiv.2605.00909,
title = {Accelerating battery research with an AI interface between FINALES and Kadi4Mat},
author = {Giovanna Tosato and Leon Merker and Monika Vogler and Michael Selzer and Arnd Koeppe},
journal= {arXiv preprint arXiv:2605.00909},
year = {2026}
}
备注
Main manuscript: 21 pages, 9 figures. Supporting material: 3 pages, 5 figures. Submitted to "Batteries & Supercaps", currently under revision