AI如何解析物理世界?清华联合清屿科技等团队推出自进化多物理场建模系统EvoSim
2026.10.31 · 收录日 2026.10.31 · 事件 · 论文 · 论文预印本
EvoSim让AI从调参走向修订方程,在电池快充析锂与动态电压预测中超过人类专家模型。
清华大学张强教授团队联合北京清屿科技、香港大学、北京怀柔实验室提出EvoSim,瞄准微观物理建模。它让AI从“给定方程下调参”走向“从实验偏差中追查机制、修订方程、改进建模方法”。在电池快充析锂与车辆动态电压预测两个工业级场景中,析锂起点荷电状态平均绝对误差为1.79%,30摄氏度DST轨迹电压均方根误差为7.62 mV,均优于人类专家模型。
- EvoSim由清华大学、香港大学、北京怀柔实验室与清屿科技等团队提出,张强教授与张睿担任共同通讯作者。
- 核心突破是让AI从“给定方程下调参”走向“从实验偏差中追查机制、修订方程、改进建模方法”,同一轮试错既产生更准模型也沉淀可复用建模能力。
- 快充析锂任务使用61个测试电池的20组析锂起点条件,覆盖两种石墨电极设计、25至45摄氏度和多种充电倍率,析锂起点荷电状态平均绝对误差1.79%。
- 动态电压任务覆盖8个温度下两类负载曲线、16条完整轨迹、109,746个秒级采样点,30摄氏度DST电压均方根误差7.62 mV,20摄氏度US06为8.97 mV。
- 对照实验中EvoSim最佳有效误差比保留完整历史组低75.4%;45组任务运行中模型构建或物理机制失败减少36.4%,累计执行时间减少42.6%。
为什么值得看
AI从调参走向修订物理方程,并在工业电池场景超过人类专家模型。
适合谁关注
关注AI for Science、物理建模与电池研发的研究者和工程师。
