成功可信度中
其他行业 · AI应用
AI与高性能计算加速电池材料发现
微软与太平洋西北国家实验室（PNNL）结合先进AI和高性能计算，快速筛选和验证候选电池材料。使用Azure Quantum Elements，团队通过机器学习模型进行广泛过滤，再通过HPC（密度泛函理论和分子动力学）进行高精度验证，在约80小时内将3200万种潜在无机材料缩减为少量实用候选材料。最终合成出最佳材料并制成原型电池进行实验室测试。
太平洋西北国家实验室（PNNL）发布于 2026年7月27日阅读 0
在80小时内将3200万种潜在无机材料缩减为18种有希望的候选材料
未披露
机器学习评估速度比全量子化学模拟快高达50万倍
未披露
新材料有潜力将锂含量降低多达70%
未披露
01
业务背景
微软与太平洋西北国家实验室（PNNL）结合先进AI和高性能计算，快速筛选和验证候选电池材料。使用Azure Quantum Elements，团队通过机器学习模型进行广泛过滤，再通过HPC（密度泛函理论和分子动力学）进行高精度验证，在约80小时内将3200万种潜在无机材料缩减为少量实用候选材料。最终合成出最佳材料并制成原型电池进行实验室测试。
02
遇到的问题
03
AI 解决方案
04
实施结果
在80小时内将3200万种潜在无机材料缩减为18种有希望的候选材料：
机器学习评估速度比全量子化学模拟快高达50万倍：
新材料有潜力将锂含量降低多达70%：
AI贡献了约90%的计算时间，HPC约占10%：
合成材料被转化为原型电池进行实验室测试：
05
风险与边界
客户 / 负责人引述
“”
信息来源
1 个来源页面内容为结构化改写；关键结论应可追溯到以下材料。