综述提出真实车载动态工况是电池科学缺失的维度
Kumlachew Yeneneh 与 Gadisa Sufe 在 Renewable and Sustainable Energy Reviews 发表观点文章，指出电池研究多基于稳态条件，而真实汽车运行中的动态工况是电池科学中缺失的一个维度。文章发表于 2027 年 1 月的第 245 卷 Part A，目前仅有摘要公开。
推荐理由：文章把真实车载动态工况列为电池科学中被忽略的维度，为实验设计与模型验证提供了一条可迁移的视角。
综述观点
全部主题综述与观点文章：领域地图、方法论反思、被广泛引用的立场讨论。
最新精选
第 1–6 条 · 共 6 条Renewable and Sustainable Energy Reviews精选AI 评分4848
Joule精选AI 评分6767 Joule 刊文从机理层面探讨电池能量与容量的关系
Joule 第 10 卷第 10 期发表 Matthieu Dubarry、Stephen J. Harris、Reed M. Wittman 与 Yuliya Preger 的研究，从机理层面考察电池能量与容量之间的关系。目前仅有摘要信息，具体方法与结论尚未公开。
推荐理由：文章从机理层面梳理电池能量与容量之间的关系，为解读老化过程中两者不同步衰减提供分析框架。
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。
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。
关键词流·BMS 与电池智能算法精选AI 评分4747 电池管理系统中的机器学习：799 项研究的双层范围综述与验证审计
该综述对电池管理系统中机器学习的 799 项符合条件研究进行双层范围综述，给出深入分类并开展验证审计。材料仅提供标题，未包含具体分类框架、审计结果或获取方式。
arXiv · battery（physics.app-ph）精选AI 评分5858 物理信息学习加速电化学器件建模：面向实时控制的框架与展望
文章评估了 PINN、PIDeepONet 和 PINO 三种物理信息机器学习框架在电化学器件实时控制中的潜力，从训练成本、推理速度和泛化能力三方面进行对比。PINN 适合固定问题但参数变化需重新训练，PIDeepONet 支持跨工况算子学习且无需网格，PINO 在规则网格上性能更优、外推能力最强。
推荐理由：文章对比 PINN、PIDeepONet 与 PINO 三种物理信息学习框架的训练成本、推理速度与外推能力，为电化学器件实时控制选型提供依据。