弱溶剂化DMP基LHCE同时抑制锂金属腐蚀与正极氧化，延长锂金属电池日历寿命
研究提出以弱溶剂化醚溶剂1,2-dimethoxypropane（DMP）构建局部高浓度电解液（LHCE），同时抑制锂金属腐蚀与正极降解这两个相互关联、加速锂金属电池日历老化的过程。
机器学习方法
全部主题电池领域的机器学习：特征表示、小样本与迁移、不确定性量化、大模型与文献挖掘。
最新精选
第 81–100 条 · 共 176 条Advanced Energy Materials精选AI 评分6060 Advanced Energy Materials精选AI 评分4848 痕量水诱导氧驱动结构重组，使2LiCl–GaF3卤化物固态电解质离子电导率提升两个数量级
研究发现，痕量水在2LiCl–GaF3中起到建设性作用：水提供氧，形成与Ga和Li配位的─OH/─OH2物种，使Ga配位由六配位转为四配位，并形成Ga–O与Li–O连接，从而降低平均Li–阴离子结合强度、平坦化Li离子迁移能垒。
Advanced Energy Materials精选AI 评分5555 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。
Applied Energy精选AI 评分4747 改进深度聚类实现异质工况下动力电池区域感知现场可靠性预测
Yang Lv 等人提出一种区域感知的现场可靠性预测方法，用改进深度聚类处理异质工况下的动力电池可靠性问题，论文发表于 Applied Energy 第 427 卷 Part E。摘要未给出具体数据集、电芯数量与预测误差指标。
推荐理由：面向真实车用场景下工况异质的电池可靠性预测，提出区域感知的深度聚类方法，为现场可靠性建模提供可迁移思路。
Zenodo · battery 数据与软件精选AI 评分5555 Chulalongkorn 大学发布 SPMe 析锂感知充电联合参数数据集
Chulalongkorn 大学在 Zenodo 发布 SPMe_joint_set_charging_dataset.zip（36.3 MB，v1），面向析锂感知的模型预测充电中参数相关性的保留问题。文件以压缩包形式提供，可直接下载。
推荐理由：该数据集面向析锂感知的模型预测充电，保留参数相关性，可供快充策略与析锂约束研究直接复用。
关键词流·BMS 与电池智能算法精选AI 评分6060 HBTU 发布锂电管理AI方法对比的数据与代码
印度 Harcourt Butler Technical University 的 Adarsh Kumar Arya 在 Zenodo 发布一套数据与代码，用于对比数据驱动、物理信息与迁移或预训练模型在锂离子电池管理中的表现。
推荐理由：该数据集公开了133篇纳入研究的编码表与31个SOH误差值，便于复现数据驱动、物理信息与预训练模型的横向对比。
Journal of Energy Storage精选AI 评分4747 多域电化学-热模型揭示圆柱形锂离子电池内部产热与温度分布
Yang Liu 等人在 Journal of Energy Storage 发表研究，采用多域电化学-热模型分析圆柱形锂离子电池的空间产热与温度分布。材料仅提供标题与作者信息，未给出具体电芯型号、建模方法与定量结果。
Journal of Energy Storage精选AI 评分5858 物理约束长时程SOH预测方法引入显式恢复校正
Journal of Energy Storage 第183卷Part A刊出Hongtao Pu等的研究，提出一种物理约束的长时程锂离子电池SOH预测方法，并加入显式恢复校正环节。当前仅见标题与作者信息，摘要正文未提供，方法细节与验证结果尚不可知。
推荐理由：材料仅给出标题与作者信息，无法确认方法细节与实验结论，暂不展示推荐理由。
Journal of The Electrochemical Society精选AI 评分6262 基于颗粒的一维模型用于锂离子电池电极优化
作者提出一种基于颗粒的一维模型，将三维第一性原理模型中颗粒尺度的固相扩散降为0D描述，用形貌相关的形状函数刻画表面浓度演化，多孔电极层则用均匀化有效输运参数。模型参数全部来自µ-CT重构与GITT、EIS、PGSE-NMR、van der Pauw等实验，无需经验拟合。
推荐理由：作者把三维第一性原理模型降阶为基于真实颗粒形貌的一维模型，并用石墨半电池实测验证其电压预测精度。
Applied Energy精选AI 评分5252 基于随机局部充电片段的锂离子电池 SOH 估计：可靠性感知局部-全局融合框架
Chuanpu Zhang 等提出一种可靠性感知的局部-全局融合框架，用于从随机局部充电片段估计锂离子电池 SOH，论文发表于 Applied Energy 第 427 卷 Part E。摘要未给出数据集、电芯数量与误差指标等具体结果。
推荐理由：针对随机局部充电片段难以稳定估计 SOH 的问题，该框架用可靠性感知的局部与全局融合思路，为碎片化充电场景提供可迁移的方法参考。
Zenodo · battery 数据与软件精选AI 评分4848 电价分辨率切换预测研究 MR-2P 的复现包在 Zenodo 发布
西班牙萨拉曼卡大学与 AIR Institute 在 Zenodo 发布研究《Forecasting electricity prices after a resolution change: coherent probabilistic forecasts and storage value》的复现包，版本 v1。
推荐理由：该复现包公开了电价分辨率切换下 MR-2P 预测器的代码、锁定环境与预注册记录，可供储能价值评估研究复用。
Zenodo · battery 数据与软件精选AI 评分5858 面向先进电池电化学模型的半电池开路电位非侵入式辨识
该工作在 Zenodo 发布 v1 版本 PDF，主题为先进电池电化学模型所需半电池开路电位的非侵入式辨识，文件约 3.4 MB 可供下载。材料未提供摘要、方法细节与实验数据。
推荐理由：材料仅给出标题与文件信息，无法确认方法细节与结果，暂不展示推荐理由。
Advanced Materials精选AI 评分6060 闭孔作为内部应力调节单元用于实用化硅碳负极
研究提出在硅碳负极中引入闭孔纳米孔作为内部应力调节单元，将嵌锂形变应力导向颗粒内部并抑制电极宏观膨胀。氮掺杂硅碳复合材料可逆容量达 1756.5 mAh g−1，首次库仑效率 90.2%，3 C 下容量 868.4 mAh g−1，50 次循环后电极厚度膨胀由 38.4% 降至 13.1%。
推荐理由：该工作在公斤级合成与 2 Ah NCM811 软包电芯上验证闭孔结构对硅碳负极膨胀的抑制效果，为硅碳负极实用化提供可放大的结构设计思路。
Energy精选AI 评分5252 自适应阈值触发时序加权模型数据融合用于宽温域 LFP 电池 SOC 估计
Zhao 等人提出一种自适应阈值触发的时序加权模型数据融合方法，用于 LFP 电池在宽温度范围内的 SOC 估计，论文发表于 Energy 第 366 卷。
推荐理由：材料仅给出标题与作者信息，未提供摘要正文，无法提炼具体方法细节或结果。
arXiv · battery（eess.SY 系统与控制）精选AI 评分5858 EnKI 用于非线性随机状态空间模型辨识并在锂电池模型上验证
作者提出基于集合卡尔曼反演（EnKI）的非线性随机状态空间模型辨识方法，通过连续局部高斯近似做最大后验参数估计，并结合以最新参数为条件的状态估计同时恢复隐状态。
推荐理由：针对非线性随机状态空间模型参数与隐状态耦合辨识难题，给出可处理高维未知参数的迭代估计流程。
arXiv · battery（eess.SY 系统与控制）精选AI 评分5252 基于李对称群的精确模型降阶方法及其在电池相场模型中的应用
Hamed Taghavian 提出一种基于李群理论的模型降阶方法，适用于由代数方程、常微分方程和偏微分方程描述、输入输出与常数参数数量任意的工程模型，可在不改变输入输出映射的前提下缩减参数空间。作者将该方法应用于电化学中用于高保真仿真的相场模型，以加速金属离子电池的分析与设计。论文发布于 arXiv，编号 arXiv:2610.26767。
推荐理由：该方法用李群对称性在不改变输入输出映射的前提下压缩参数空间，并用于电化学相场模型加速金属离子电池分析。
Zenodo · battery 数据与软件精选AI 评分5858 FedWGT 开源：面向车用电池故障诊断的双加权联邦学习代码与实验产物
FedWGT 发布车用电池故障诊断的双加权联邦学习框架源码与实验产物，客户端采用基于有效样本数的类别均衡目标，服务端按可靠性、数据量和标签覆盖度加权聚合。
推荐理由：该仓库把 FedWGT 的客户端训练、服务端聚合与七种联邦基线一并开源，并给出 96 与 98 电芯队列的固定划分，便于复现电池故障诊断的联邦对比实验。
Zenodo · battery 数据与软件精选AI 评分6767 Battery RUL Prediction Framework 发布 v1.1.0 可复现建模流程
Universidade Federal de Campina Grande 等机构发布 Battery RUL Prediction Framework v1.1.0。
推荐理由：该版本把特征泄漏、删失处理与阈值设定等缺陷逐项修补，并附校验脚本可复算全部拟合与表格。
Zenodo · battery 数据与软件精选AI 评分7878 巴西团队发布修正版锂电池 RUL 特征矩阵与跨域评测结果
巴西坎皮纳大联邦大学等机构发布 v1.1.0 版建模就绪特征矩阵与可机读结果，对应论文《Protocol-Induced Optimism and Zero-Shot Cross-Domain Failure in Feature-Based Lithium-Ion Battery RUL Prediction》（已投 Energies）。
推荐理由：该版本修正了 1.0.x 中全轨迹趋势描述符造成的时间泄漏，并给出跨七个公开数据集的零样本评测结果，可作为 RUL 特征工程的对照参考。
Journal of Energy Storage精选AI 评分6060 基于分数阶单粒子模型的物理引导学习框架用于电池SOH预测
Liping Chen 等人在 Journal of Energy Storage 提出一种基于分数阶单粒子模型的物理引导学习框架，用于电池健康状态（SOH）预测。该框架将分数阶单粒子模型与学习算法结合，具体精度与验证数据在摘要中未给出。
推荐理由：该工作把分数阶单粒子模型嵌入学习框架做SOH预测，为物理约束与数据驱动结合提供了一条可迁移的建模思路。