无负极锂金属电池集流体工程的实用视角与能量密度判据
这篇综述系统梳理了锂金属在集流体上沉积的基本原理，以及通过界面与结构工程提升可逆性的近期策略，包括合金化与涂层、晶体取向调控、平面到三维结构转变。作者指出改性引入的质量与体积以及电化学过程带来的锂库存变化常被忽视，并提出 Thin-Li 基准与定量能量密度评估，将代表性改性策略与受限锂库存电池对比。
推荐理由：该综述把集流体改性的质量、体积与锂库存代价纳入能量密度核算，为判断改性是否带来系统级收益提供量化判据。
#不确定性量化
#不确定性量化
今日 0 条Advanced Energy Materials精选AI 评分5555 Advanced Energy MaterialsAI 评分3838 机器学习原子间势在能源材料中的应用：架构、训练策略与验证
这篇综述系统梳理机器学习原子间势（MLIP）从描述符模型、带不确定性量化的高斯过程到等变图神经网络和大规模数据集训练的基础模型，指出 MLIP 可基于 DFT 数据实现 10^4–10^6 原子、纳秒尺度的原子模拟。
关键词流·SOX 与寿命预测AI 评分4848 机器学习 SOC 估计的泛化鸿沟：基准精度不等于现场精度
一篇观点文章指出，深度学习 SOC 估计（前馈网络、LSTM 及其变体）报告的精度多在训练同分布的驾驶循环、温度和电芯上测得，而实际 BMS 需面对未见过的电芯、温度与使用模式。文章基于 Kalman 滤波工作、深度学习 SOC 文献及显式测试跨工况性能的迁移学习研究，界定该泛化问题并提出报告与设计实践建议。
关键词流·SOX 与寿命预测AI 评分2424 AI 驱动的锂离子电池健康预测：SOC、SOH 与 RUL 估计技术综述
这篇综述梳理了基于 AI 与深度学习的锂离子电池 SOC、SOH 和 RUL 预测方法，重点覆盖 transformer 网络、自编码器潜变量建模、神经基展开、注意力机制及混合优化框架。文章指出传统电化学与经验方法难以刻画非线性衰减、工况不确定性和动态环境波动，并给出优化辅助框架、混合物理信息学习与可解释 AI（XAI）等未来方向，以支撑可靠的 BMS 方案。
eTransportationAI 评分4242 堆叠压力对锂离子电池性能的影响：基于文献数据驱动相关性分析的综合综述
eTransportation 刊发综述，系统梳理堆叠压力对锂离子电池性能的影响，并基于文献数据开展相关性分析。作者为 A. Avila、A. Remírez、I. Gandiaga、L. Carreras、P. Maimí，发表于该刊第 29 卷。
arXiv · battery（physics.app-ph）AI 评分3636 锂离子电池全生命周期超声监测、损伤检测与处理综述
一篇综述系统梳理了超声检测（UT）在锂离子电池全生命周期中的应用，涵盖监测、损伤检测与处理。文章还讨论了用于解读超声信号的物理驱动与数据驱动建模方法，重点指出在电化学行为与弹性及孔隙弹性波物理之间建立严格关联仍是现有挑战。最后总结了UT在电池全生命周期落地面临的难题与后续研究方向。