竞争优势

创新技术

（一）材料创新

在钠离子电池材料上，研发团队创新性地在层状氧化物中引入特定微量元素，通过精确控制原子级别的掺杂比例，提升材料晶体结构的稳定性，进而使电池在充放电过程中，电极材料的结构变化更小，有效减少容量衰减，提升循环寿命。锂固态离子电池方面，采用新型的高镍单晶三元材料，相较于传统多晶材料，单晶结构能更好地抵抗高压下的结构破坏，提高能量密度的同时，增强了电池的安全性和循环稳定性。

材料在真实条件下的深度学习模型

在寻找对纳米电子学和能源存储至关重要的突破性材料的过程中，我们开发了ZmartSim，它是一个深度学习模型，可在广泛的元素、温度和压力范围内进行准确有效的材料模拟和性能预测，从而实现材料设计。ZmartSim采用深度学习来理解原子之间的相互作用，从量子力学的基本原理出发，跨越各种元素和条件——从0到5000开尔文(K)，从标准大气压到1000万大气压。在我们的实验中，ZmartSim有效地处理各种材料的模拟，包括金属、氧化物、硫化物、卤化物及其各种状态，如晶体，无定形固体和液体。此外，它还通过整合用户提供的数据，为复杂的预测任务提供定制选项。

模拟元素周期表中真实条件下的材料

ZmartSim的学习基础建立在大规模合成数据上，这些数据是通过主动学习、生成模型和分子动力学模拟混合生成的。这种数据生成策略确保了材料空间的广泛覆盖，使模型能够预测能量、原子力和应力。它作为一个机器学习力场，其精度与第一原理预测相一致。值得注意的是，与之前最先进的模型相比，ZmartSim在有限温度和压力下的材料性能预测精度提高了10倍。我们的研究证明了它在模拟大量材料性质方面的熟练程度，包括热量、机械和输运性质，甚至可以预测相图。

适应复杂的设计任务

虽然在广泛的合成数据集上进行了训练，但ZmartSim也可以通过合并额外的数据来适应特定的设计要求。该模型利用主动学习和微调来定制具有高数据效率的预测。例如，模拟水的性质——一个看似简单但计算量很大的任务——通过ZmartSim的自适应能力得到了显著的优化。与传统方法相比，该模型只需要3%的数据，以达到实验精度，否则专门模型需要30倍的资源，而第一原理方法则需要指数倍的资源。

（二）电池结构设计创新

设计了一体化集成式电池模块结构，将电池单体、热管理系统、BMS系统等进行高度集成，减少组件间的连接部件，降低能量损耗和故障点。同时，优化电池内部的空间布局，提升电池包的能量密度和体积利用率，使电池系统更加紧凑高效 ，适配不同车型的空间需求。

（三）电池管理系统（BMS）创新

自主研发的智能BMS具备实时状态监测和自适应控制功能。通过高精度传感器收集电池的电压、电流、温度等参数，利用深度学习AI算法预测电池的精准剩余容量（SOC）和健康状态（SOH），误差控制在极小范围内。并且，能根据电池的实时状态和车辆的运行工况，动态调整充放电策略，实现电池性能的最大化发挥和寿命的延长。