比如，钠电正极材料传统制备工艺流程包括球磨、乾燥、烧结等，通过数据搜集、算法建模、采样优化、迭代反馈，钠电正极材料工艺得到优化，将初始放电容量提升了6%。“其实是使用同样的材料，但应用了不同的生产工艺，实际产出了更好的一个产品，这是工艺优化能够产生的价值。”技术人员表示。
此外，表征算法在材料的生产和检测中也大有用武之地。
据该技术人员介绍，深势科技打造的表征大模型Uni－AIMS，利用深度学习算法自动识别电镜图像中的物体，并进行细致的表征计算，可为科研探索和工业生产提供数据支持。以锂电池生产为例，锂电池实际上是由头发丝大小的颗粒组成，生产过程中一个关键环节就是去检测生产出的颗粒大小是否合格。Uni－AIMS可通过算法高效识别产品中所有颗粒的大小，实现高度自动化。
当前，人工智能正在重塑新材料研发范式，受到全球广泛关注。全球科技巨头和相关创新主体纷纷布局“人工智能＋新材料”，并形成一批典型案例。
今年1月，《北京市加快推动“人工智能＋新材料”创新发展行动计划（2025－2027年）》发布，提出到2027年，北京“人工智能＋新材料”创新能力显着增强，打造“人工智能＋新材料”融合创新示范基地，形成国际领先的新材料创新策源与人工智能应用高地。
北京新材料和新能源科技发展中心有关负责人表示，北京将统筹推进关键技术核心攻关、新材料数据设施构建、智能实验室建设，新业态培育和创新生态，加大对AI＋新材料领域的项目支持，提升创新引领能力。 |
