12月13日-14日，AI for Electrochemistry研讨会暨人工智能应用电化学联合实验室成立仪式隆重召开。本次研讨会由嘉庚创新实验室、北京科学智能研究院主办，厦门大学工学部、深势科技、DeepModeling社区协办。研讨会主题为“人工智能赋能电化学科学与工程发展”，旨在深刻剖析人工智能如何更好地应用于电化学领域，赋能科学研究和产业落地，探索人工智能与电化学领域的深度融合。此次研讨会，相关领域学界专家、政府代表、产业界代表共聚云端探讨交流，全程共吸引5000余人在线观看，反响热烈，好评如潮。

嘉庚创新实验室与北京科学智能研究院共建的人工智能应用电化学联合实验室拟面向对人类社会发展有重要意义的能源材料领域，打造人工智能赋能电化学理论研究与工程实践的团队并开展相关研究，形成"计算精确指导实验，实验高效反馈计算"的研发新生态，解决领域发展实际问题，助力并推动机理的揭示、新材料的发现与产业的落地。

人工智能应用电化学联合实验室签约仪式在12月13日上午隆重举行，厦门大学张荣书记、厦门市科技局党组成员刘源岗、北京市科学智能研究院院长鄂维南院士、嘉庚创新实验室/厦门大学田中群院士出席并为联合实验室成立致辞。嘉庚创新实验室/厦门大学程俊教授对人工智能应用电化学联合实验室的情况做了相关报告。最后，程俊教授和北京科学智能研究院副院长张林峰共同签署了合作协议，为构建更加深入的合作迈出了坚实的步伐。此外南开大学陈军院士、嘉庚创新实验室/厦门大学孙世刚院士、嘉庚创新实验室/厦门大学谢素原院士，以及其他来自产学研各界代表共31人也出席本次签约仪式，共同见证人工智能应用电化学联合实验室的诞生。

未来双方将继续聚焦各自领域内的优势，对标国际前沿技术发展方向，聚集高端创新资源，共建联合实验室作为“科研创新”、“生态建设”、“人才培养”的合作平台，并在此基础上将其共同打造为人工智能赋能电化学科学研究与工程实践（AI for electrochemical science and engineering）示范基地，不断涌现算法创新，建立实验与计算高效互动的新科研模式，突破若干产业核心技术瓶颈，积极推动产业落地，共同为人类新能源事业发展做出贡献。

精彩纷呈的专家报告

本次会议邀请到来自产学研各界不同领域的专家学者，围绕AI for Electrochemistry这个话题，各位专家从各自的专业领域分享了自己的观点，内容涉及电化学、AI、高性能计算、科研机制建设等各个方面，精彩纷呈。

北京科学智能研究院院长鄂维南院士深入探讨人工智能时代我们要建设什么样的科研体系。经典的计算方法已经无法解决维度灾难问题，而深度学习为人类提供了一个逼近高维函数的工具。鄂院士指出AI为数据驱动的模式提供了新的分析工具，AI提高了原理驱动的模式的可靠性和效率。鄂院士提出，在新的机会面前，未来最好的科研体系是横向（基础设施，包括数据、模型/算法、实验资源、算力）和纵向（面向具体问题的垂直整合团队）相结合。AI带来的不仅是科学研究全方位的变革，也是平台科研体系的形成为代表的科研体系的变革。

南开大学陈军院士从“碳中和”目标和绿色低碳呼唤能源结构变革讲起，系统地分析了有机电极材料在锂电池中的实际现状和应用前景，充分考虑基础研究和工业应用的结合，为有机电极材料进一步发展和实际应用指明了方向。谈及AI在有机电池方面的应用，陈军院士说到AI将为有机电池的开发带来前所未有的变革；AI不仅能帮助预测电池循环寿命，减少破坏性实验；AI算法也能快速优化电池充电参数，确认最佳充电方案。

嘉庚创新实验室/厦门大学孙世刚院士从电化学制造和电化学能源出发，讲述了电化学在绿色合成、先进制造中发挥的重要作用，特别是电子电镀是目前能够实现纳米级电子逻辑互连和微纳结构制造加工成形的技术方法，在芯片制造、集成和封装、微机电系统等新兴电子器件制造中不可或缺。我国在这一领域存在严重的“卡脖子”技术瓶颈，亟待加大自主创新研发的力度。

北京大学潘峰教授创新基于图论的结构化学方法，构建材料结构大数据系统，能够一定程度上解决同构性，异构度和结构演化的问题，并产生一些具有代表性的成果。潘教授通过介绍基于图论的结构化学、材料大数据、锂电池材料基因、同步辐射和中子等大科学装置的结构表征等前沿的交叉学科，启发对材料研究新范式的探索，以加速新材料和新能源的开发。

嘉庚创新实验室/厦门大学田中群院士作题为《探讨人工智能与谱学电化学交叉之前沿》的报告。田院士谈到，实际的能源器件及其界面永远比书本和想象的要复杂得多。谱学电化学经历了近半个世纪的发展，从学科的角度来看具备了一定的分辨率与灵敏度；但是，如果要拓展到广大的科技领域或者产业，则其普适性和可靠性就显得非常重要。田院士也提到，当前的科研模式陷入了“路灯下找钥匙”，即面临新的复杂问题时，思维和处理方式被局限于熟知的技术和领域，而相关方法与人工智能的结合也许可以为打开这扇窗提供机会。相较于谱学得到的信息，机器学习辅助谱学解析能够得到更准确的材料组分，本征性质的关联函数形式，更有利于明晰理解复杂电池材料的构效关系。其次，能源体系中常规的工况表征，解析与调控三个分立环节，可以通过人工智能快速分析而形成一体，建立高效精准的闭环研究范式。因此，AI在很大程度上为谱学电化学的普适性与可靠性赋能，提供强大的动力。

奇瑞新能源首席科学家李阳兴围绕动力电池的发展为主题展开分享。动力电池的供应也随着新能源汽车的增长呈现爆发式增长。因此，电池材料的设计，电动车的安全性也成为可持续发展的重要一环。李老师提到，从成本驱动的维度出发，锂的供应及成本将成为新能源汽车持续发展的突出环节。为保证新能源汽车电池材料的安全，机器学习模式下的安全风险分级等AI方法发挥了不容忽视的作用。

在电化学表征方面，上海科技大学刘志教授深入浅出的分析了电化学表征的发展程度，获取数据上的特点，及数据解析方面的难题，同时对AI解决电化学表征方面的难题加以期待。最后，刘志教授介绍了目前正在研究的模型电化学体系，国内催化力量的地域与领域分布，新的探测器和大的数据量和分析。

嘉庚创新实验室/厦门大学任斌教授指出面向国家新能源战略的重大需求，能源电化学研究得到迅猛的发展，成为化学、材料和能源最为重要的交叉学科领域，而电化学能源器件-工况表征难度高，亟需发展新的表征方法，来研究电化学能源体系在复杂工况下的变化规律，因此，构建闭环高效赋能的电化学能源研发平台和建立拓展型工况谱学电化学表征平台与研究范式尤为重要。此外，任斌教授结合具体成果，为大家介绍了嘉庚创新实验室目前研究状况及进展。

中国科学技术大学江俊教授提出用理论大数据产生可解释的预训练模型，依托实测小数据做迁移学习，建立面向复杂体系的“理实交融”模型。通过谱学结合AI，探索预测难以直接测量的物理量、实时反演结构化演化和构效关系。同时，利用机器破解复杂系统的高维关联，从基于量子力学的大数据中提升理论认知，为重要科学研究提供指导性模型与工具。

嘉庚创新实验室/厦门大学洪文晶教授以《从技术出发的无人智慧材料研发实验室系统的初步探索》为题，首先分享了“从科学出发”和“从技术出发”的一些思考及见解，紧接着介绍了“从科学出发”的AI+单分子科学仪器，和从“技术出发”的AI+多肽制药装备、AI+材料研发实验系统。最后，洪文晶教授总结到，我们要“从科学出发”，AI for Science共同解决基础科学问题，“从技术出发”，AI for innovation缩短研发周期。未来将在嘉庚创新实验室和无噪声实验的基础上，进一步的探索建立智慧能源大型科研基础设施，该设施将提供高通量，标准化的大量数据支持，成为AI+Sciecnce/Innovation的重要平台。

在科学智能创新方面，华为有限技术公司王紫东博士从智能赋能科学研究的范式讲起，提出了多范式场景融合下的科学研究新场景，并表示利用AI技术来应对科学计算中的挑战已经成为当前发展的新趋势。在计算化学方面，浪潮HPC应用支持专家刘羽以实际案例分享了浪潮高性能计算的发展及创新。

北京科学智能研究院/深势科技首席科学家张林峰研究员从AI for Science的技术起点——深度学习讲起，介绍了AI的发展带给我们的启发与思考。AI不仅为我们提供了解决问题的新思路，AI走向平台模式的路径，特别是AI工程化的实践方面也值得我们借鉴。张林峰研究员从DeepModeling开源社区的发展为例，讲述了AI发展带给我们在算法设计、框架设计、数据库、机器规模（云原生）与性能（HPC）、预训练模型、模型、数据、软件的协同开源，MLOps推动解决方案落地的多方面启示。

嘉庚创新实验室/厦门大学程俊教授从电化学的角度分析了人工智能带来的机遇。电化学界面在能源存储与转化中至关重要，极为复杂，并高度动态。目前界面双电层的结构，界面电荷转移反应、电机结构动态变化是电化学界面的关键科学问题，电化学界面计算的挑战面临难以准确描述原位环节，而从头算电极电势新方法可以将计算所得质子溶剂化自由能作为参考，可获得参比于氢标电极的界面电极电势，建立电化学计算与实验的桥梁。

除了精彩纷呈的专家报告以外，为了让学生们更深入地了解AI在电化学中的应用，本次研讨会还邀请到DeepModeling社区核心开发者和嘉庚创新实验室深度用户为大家带来Tutorials，包括电化学科学计算工作流、DPA-1预训练模型、DeePKS等的理论讲解和上机指南。

dflow核心开发者、深势科技算法研究员刘歆子建老师讲述了dflow工作流的使用场景和功能，结合dflow的底层技术，介绍了dflow工作流套件尝试攻克的科学计算的典型难题。嘉庚创新实验室深度用户庄永斌和刘云霈博士生为大家讲解了“机器学习加速的电化学能级排列”和“机器学习预测动态固体核磁化学位移工作流”，成功地把工作流和电化学领域应用相结合，向同学们展示了电化学领域工作流的强大能力。深势科技算法研究员张铎老师给大家讲解了DeePMD-kit发布的覆盖元素周期表近70种元素的深度势能原子间势函数预训练模型——DPA-1的原理与使用方式。北京科学智能研究院研究员欧琪老师为大家带来DeePKS原理及迭代训练过程。

14日下午，为期两天的AI for Electrochemistry研讨会圆满落下帷幕。本次研讨会的成功举办对于促进人工智能与电化学领域的深度融合，赋能电化学领域创新，推动产业落地具有重大意义。期待未来，人工智能应用电化学联合实验室蓬勃发展！对于感兴趣加入人工智能应用电化学联合实验室的老师、同学，欢迎关注我们公众号之后的推送信息。