AI 周报 · 2026 年第 43 周 · 10.19 — 10.25
BATHOT ACAD
电池数据基础设施与跨域评测集中发布
本期覆盖 2026-10-19 至 2026-10-25。数据与工具侧集中出现多项开放资源：Battery Data Commons 注册表在 Joule 发表，BatteryML、Volttwin、battery-health-agent 与 HBTU 方法对比数据代码相继开放，cellpy 推出可用聊天客户端操作电芯数据的 MCP 服务器，Scale AI 发布 GridSimEnv 电网储能交易强化学习环境。评测与可靠性方面，巴西团队发布修正版锂电池 RUL 特征矩阵与跨域评测结果，指出协议诱导乐观与零样本跨域失效；零样本时序基础模型老化预测基准强调泄漏感知评测与共形不确定性。研究侧，电子扩散介导 SEI 生长模型在 LFP/石墨多工况下验证一致，多晶与单晶 NCM811 复合正极揭示 SOC 失配驱动的内部锂转移与表面老化，全固态电池方向出现充电/放电衰减拆分诊断框架与机理驱动可解释老化预测。热失控方面，储能柜全尺寸实验、微过充应变预警与气体信号预警框架共同拓展安全研究。
电池数据基础设施开放
本版导读Battery Data Commons 注册表在 Joule 发表，为电池数据提供统一索引。BatteryML、Volttwin、battery-health-agent 与 HBTU 方法对比数据代码陆续开放，覆盖老化建模、SOH 估计与故障检测。cellpy-mcp 让聊天客户端直接操作电芯数据，Scale AI 的 GridSimEnv v1 将 ERCOT 电价与 EIA-860 电池档案转为 21,250 个电池日交易任务。
Battery Data Commons 注册表发布
Marwan Hassini、Philipp Dechent、Sara Luciani、Shiyun Liu、Simon Clark、Paul Gasper、Gonçalo dos Reis 在 Joule 发表 Battery Data Commons 注册表，论文于 2026 年 10 月 23 日在线发布。当前 feed 仅提供标题与作者信息，未给出电芯数量、测试协议、测量量与数据获取方式。
BatteryML 开源工具：电池老化机器学习平台与 RUL 基准
BatteryML 是 ICLR 2024 论文的开源代码与数据仓库，提供电池老化建模的数据集汇总、预处理与特征工程、经典模型和可扩展接口。
Volttwin 开源锂电池 SOH 估计基准代码库，含 100 个电芯与 5 种深度学习模型
Volttwin 发布锂电池 SOH 估计基准代码，覆盖 100 个电芯、CNN/LSTM/GRU/MLP/Attention 5 种深度学习模型、3 种输入类型与 3 种归一化方法，对应论文发表于 Journal of Energy Storage（2024，109884）。
battery-health-agent 开源锂电故障检测与健康分析代码库
jianghu511321/battery-health-agent 是 Nature Communication 论文《Realistic fault detection of Li-ion battery via dynamical deep learning approach》的官方代码仓库。
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。
cellpy 发布 MCP 服务器 cellpy-mcp，可用聊天客户端操作电芯数据
cellpy 发布 MCP 服务器 cellpy-mcp，让 agent 或聊天窗口在不写 Python 的情况下加载电芯、汇总为 frame、出图、导出数据、查询 cellpy API 调用方式并创建批处理项目。
Scale AI 开源 GridSimEnv 电网储能交易 RL 环境 v1
Scale AI 开源 AgentEnv 框架下的 GridSimEnv v1，把 ERCOT 2014 至 2026 年真实日前电价与 EIA-860 电池档案做成 21,250 个电池日任务，智能体每天提交 24 个整数充放电动作，由动态规划在 1 毫秒内求出精确最优并按公式打分，无需评审模型。
跨域评测与不确定性
本版导读巴西团队发布 v1.1.0 特征矩阵与可机读结果，揭示协议诱导乐观与零样本跨域失效。VSB 发布零样本时序基础模型老化预测基准，强调泄漏感知多数据集评测并引入共形不确定性。两项工作共同指向评测协议对结论的显著影响。
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）。
零样本时序基础模型电池老化预测基准：泄漏感知多数据集评测与共形不确定性
VSB - Technical University of Ostrava 在 Zenodo 发布 v1 版本，提出面向电池老化预测的零样本时序基础模型基准，强调泄漏感知的多数据集评测并引入共形不确定性。随附文件 Zenodo_code_and_results.zip（49.4 kB）提供代码与结果，可直接下载。
老化机理与正极衰减
本版导读电子扩散介导 SEI 生长模型在 LFP/石墨电芯上覆盖受限 SOC 窗口、两种锂盐、两类人造石墨与 40–70°C 条件验证一致。多晶与单晶 NCM811 复合正极研究显示颗粒间 SOC 失配驱动内部锂离子转移，伴随瞬态电流并加速表面老化。全固态方向提出拆分充电与放电衰减的诊断框架，解耦 Ni-rich 正极的化学与机械老化。
电子扩散介导的SEI生长模型在LFP/石墨电芯多工况下验证一致
作者提出并验证了电子扩散介导的SEI生长模型，通过负极电位对电子浓度的影响内在地刻画老化对SOC的依赖，并显式考虑电解液盐、负极材料、温度和循环倍率的变化。模型在LFP/石墨电芯实验老化数据上验证，覆盖受限SOC窗口、LiFSI与LiPF6、AGC与AGD人造石墨、40-70°C和C/20-1C，全部实验用同一套参数模拟容量衰减而无需重新标定。
多晶与单晶 NCM811 复合正极中 SOC 失配驱动颗粒间内部锂离子转移并加速表面老化
研究以化学相同但动力学不同的多晶与单晶 NCM811 构建双峰模型体系，在电极层面系统调节颗粒间动力学失配。结果显示，非均匀反应动力学产生颗粒间 SOC 失配，形成电化学势梯度并驱动自发内部锂离子转移；该过程虽使颗粒 SOC 趋于同步，却伴随瞬态内部电流，导致更严重的表面老化，包括富有机物 CEI 生成与岩盐型表面重构。
研究提出拆分充电与放电衰减的诊断框架，解耦硫化物全固态电池 Ni-rich 正极的化学与机械老化
研究提出一种诊断框架，通过监测 SOC 窗口把 LiNi0.8Co0.1Mn0.1O2|Li6PS5Cl0.5Br0.5|Li 金属电芯的容量衰减拆分为充电衰减与放电衰减，从而区分（电）化学与机械老化的贡献。
热失控预警与传播
本版导读全尺寸储能柜实验考察热失控传播机制与火灾发展差异。微过充应变特征被用于热失控预警，内部多维信号感知实现 NCM523-石墨电池早期预警，气体信号预警框架将产气特征与智能管理衔接。多物理场框架进一步建模电池包热失控传播中的膨胀力。
全尺寸实验揭示锂离子电池储能柜热失控传播机制与火灾发展差异
该研究以全尺寸锂离子电池储能柜为对象开展实验，考察热失控在柜内的传播机制与火灾发展过程，并区分不同传播机制。原文仅提供标题，未给出电芯体系、柜体规格、实验条件与具体测量结果。
研究利用微过充下的应变特征实现锂离子电池热失控预警
该研究提出一种基于微过充条件下应变特征的锂离子电池热失控预警策略，作者为 Tong Liu、Chao Zhang、Junyi Li、Fei Ren、Peng Xiao、Xuyao Qi，发表于 Energy 第 366 卷，出版日期为 2026 年 11 月 30 日。当前仅获取到标题与作者信息，摘要正文未提供。
内部多维信号感知实现 NCM523-石墨电池热失控早期预警
Xiuwu Wang、Jiangong Zhu 等作者在 eTransportation 第 29 卷发表研究，提出用内部多维信号感知实现 NCM523-石墨电池的热失控早期预警。该文刊出时间为 2026 年 9 月，合作者包括 Wolfgang Schade、Haifeng Dai、Xuezhe Wei。目前仅见摘要信息。
从气体生成到智能管理：锂离子电池热失控气体信号预警框架
Jia Yan 等人在 Applied Energy 提出一种由气体信号驱动的锂离子电池热失控早期预警框架，将气体生成特征与智能管理相衔接。该文发表于 Volume 427 Part E，出版时间为 2027 年 1 月，目前仅见摘要信息。
锂离子电池包热失控传播膨胀力的多物理场建模框架
Journal of Energy Storage 第182卷Part E刊出Gongquan Wang等人的研究，提出一个用于建模锂离子电池包热失控传播过程中膨胀力的多物理场框架。作者包括Yueyang Yu、Haidong Wei、Run Yang、Yuying Chen、Yihe Dong、Junyu Zhang、Ping Ping、Depeng Kong，论文发表于2026年12月30日。
SOH 估计与物理引导学习
本版导读物理信息神经网络用于部分放电实时 SOH 估计与在线老化预测，分数阶单粒子模型与学习算法结合构建物理引导框架。频率解耦动态图学习引入老化先验提升工况变化下的鲁棒性，token 化老化建模兼顾物理信息与不确定性感知，分频段 EIS 结合注意力特征选择主打超快速轻量估计。
基于物理信息神经网络的电池部分放电实时SOH估计与在线老化预测
该研究提出用物理信息神经网络从电池部分放电数据中实时估计SOH，并进行在线老化预测。由于材料仅提供标题，摘要无法补充具体方法细节、数据集或精度指标。
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。
频率解耦动态图学习结合老化先验用于锂电池SOH鲁棒估计
Yiming Wang、Han Liu、Haiqiang Yang 在 Journal of Energy Storage 提出频率解耦动态图学习方法，并引入老化先验，用于锂电池健康状态（SOH）的鲁棒估计。该方法针对工况变化下的估计稳定性设计，论文发表于 Volume 182, Part F。
Token化电池老化：物理信息与不确定性感知的SOH估计框架
Shan Huang 等人在 Applied Energy 提出一种物理信息且不确定性感知的 SOH 估计框架，将电池老化过程进行 token 化建模。作者为 Jinyang Jiao、Hao Li、Jing Lin，论文发表于 Volume 427 Part D。
基于注意力特征选择的分频段EIS超快速轻量SOH估计
韩国研究团队提出一种在分频段电化学阻抗谱（Bandwise EIS）内用注意力机制做特征选择的SOH估计方法，主打超快速与轻量化。