电池技术作为能源领域的关键支撑，正面临着多学科交叉融合带来的重大变革与严峻挑战。传统建模手段在处理电池系统内部复杂多变的多物理场耦合问题时暴露出诸多局限。例如，电池热管理仅依靠传热学理论难以精确描述其复杂热行为，电极材料的力学稳定性分析也离不开电化学与力学的交叉探讨。与此同时，人工智能（AI）技术正加速渗透到电池研发各环节，从电池性能预测到寿命评估，从结构优化到充电策略制定，AI 凭借其强大的数据挖掘与分析能力，正重塑电池技术的研发范式。

国际趋势方面，Nature、JES 等顶尖学术期刊持续聚焦“多物理场耦合”、“AI+电池”等交叉研究前沿，COMSOL 与 AI 技术融合驱动的电池建模与仿真创新研究正成为全球热点。由知名学者领衔的科研团队不断在多物理场耦合机理剖析、智能化电池管理系统开发等方面取得突破性成果，推动着电池技术向更高能量密度、更长循环寿命、更高安全性等目标加速迈进。

国家需求层面，我国**《“十四五”能源领域科技创新规划》**明确提出聚焦新一代信息技术和能源融合发展，开展能源领域用数字化、智能化共性关键技术研究，并提出加速能源科技创新人才培养保障措施。

学科发展维度，智能电池技术作为新兴交叉学科领域正蓬勃兴起，**众多头部企业对既精通电池电化学核心技术，又熟练掌握多物理场仿真技巧与 AI 应用开发的复合型人才求贤若渴，**相关岗位招聘需求持续井喷。

为了满足工业界和学术界对于融合电化学、材料科学、力学、热力学和 AI 技术多学科知识与技能的复合型人才的需求，特举办此次研修课程。本次培训主办方为北京软研国际信息技术研究院，承办方互动派（北京）教育科技有限公司，会议会务合作单位为北京中科万维智能科技有限公司。

★ 目录 ★

专题一

COMSOL仿真与人工智能融合——多孔介质及电化学仿真优化实战

（详情内容点击上方名称查看）

2025年05月17日-05月18日

2025年05月24日-05月25日

在线直播（授课四天）

专题二

COMSOL燃料电池仿真技术与应用

（详情内容点击上方名称查看）

2025年05月17日-05月19日

在线直播（授课三天）

专题三

机器学习驱动的智能化电池管理技术与应用

（详情内容点击上方名称查看）

2025年05月10日-05月11日

2025年05月16日-05月18日

在线直播（授课五天）

专题四

机器学习赋能的多尺度材料模拟与催化设计前沿技术

（详情内容点击上方名称查看）

2025年06月14日-06月16日

在线直播（授课三天）

培训对象

汽车工业、电力工业、材料科学、无机化工、有机化工、环境科学与资源利用、工业通用技术、自动化技术、冶金技术、金属学及金属工艺、物理学、安全科学与灾害防治、航空航天科学与工程、计算机软件及应用、石油天然气工业、船舶工业、动力工程等领域的研究生、科研人员、工程师及相关行业从业者，以及跨领域研究人员和交叉学科专业人士

培训讲师

COMSOL多孔介质电化学讲师

由国内某高校教授带领研究小组讲授。该小组一直致力于多物理场耦合力学相关研究，**迄今发表 SCI 论文 80 余篇，**主要包括 **International Journal of Heat and Mass Transfer，Journal of The Electrochemical Society，Journal of Energy Storage 和 Journal of Applied Mechanics **等期刊。主持国家自然科学基金等科研项目。

擅长领域：多孔介质多物理场耦合建模、锂离子电池电化学仿真分析和** AI 优化设计**等。

COMSOL燃料电池讲师

来自国内重点大学，能源与动力学院新能源系博士、副教授，硕士生导师讲授。授课讲师有着丰富的COMSOL使用经验，近些年以第一作者在国内外期刊发表论文数十篇，发表专利数项。

擅长领域：燃料电池、锂离子电池、储能材料、电化学等模拟与设计、阴极保护模拟、电池集流设计等。

智能电池管理讲师

来自国家“双一流”建设高校、“985工程”和“211工程”重点高校副教授/博导，长期从事动力电池系统安全管理研究的理论和关键技术开发。在**《eTransportation》、《Applied Energy》、《Energy》等JCR一区SCI期刊发表论文50余篇，其中十余篇先后入选“ESI全球高被引论文”。担任储能科学与技术、机械工程学报、电气工程学报等期刊青年编委**，担任40余个SCI期刊的审稿人专家。

多尺度材料模拟与催化设计讲师

双一流及985工程建设高校副教授、硕导。主持国家自科基金及省部级项目10余项，发表SCI 检索论文160余篇，包括PNAS、Angewan. Chem.、Adv. Mater.、Adv. Fun. Mater.、ACS Catal.等化学材料类著名期刊，论文总共他引5800余次，H因子44。主要从事多相催化、电化学以及水处理高级氧化等领域研究。在多尺度理论模拟计算、人工智能机器学习在催化领域中应用等方面积累了丰富的经验。

培训大纲

COMSOL仿真与人工智能融合——多孔介质及电化学仿真优化实战

目录

主要内容

基础篇：COMSOL入门

1. 多物理场耦合基础理论

(1) 多物理场耦合的定义与应用领域

(2) 耦合类型：强耦合与弱耦合

2. COMSOL单物理场建模基础理论

(1) COMSOL建模流程：几何建模、物理场模块设置、网格划分、求解与后处理

(2) 常见的边界条件与加载类型

(3) PDE模块使用及技巧

3. COMSOL多物理场耦合建模基础理论

4. COMSOL单物理场建模基础实操：简单几何建模与热传导仿真

(1) 几何建模工具的使用

(2) 实现简单的热传导仿真

5. COMSOL多物理场耦合建模基础实操：固体力学与热传导耦合

(1) 实现固体力学与热传导的耦合分析

数据后处理与结果分析

进阶篇：多孔介质力学与COMSOL应用

1. 多孔介质力学基本理论

(1) 多孔介质内部流动与变形耦合（流固耦合渗流/孔隙弹性理论）

(2) 多孔介质热流固耦合分析

2. COMSOL中多孔介质耦合模型建模方法

(1) 多孔介质模型（多孔介质模块）的建模

(2) 多孔介质内部多物理场耦合模型的建模

3. 多孔介质在能源和资源领域中的应用

(1) 多孔介质在强化传热中的应用（热流耦合）

(2) 多孔介质在地热开采/CCUS等问题（热流固耦合）中的应用

4. 多孔介质力学仿真基础实操

(1) COMSOL多孔介质模块的使用

(2) 流固耦合案例分析

5. 多孔介质多场耦合仿真实操

(1) 热流耦合案例分析

(2) 热流固耦合案例分析

进阶篇：电化学多场耦合与锂离子电池仿真

1. 电化学多物理场耦合模型基本理论

(1) 电化学基本模型

(2) 电化学-热两场耦合模型

(3) 电化学-热-力三场耦合模型

(4) 电化学-热-流-力四场耦合模型

(5) 电化学-热-力-副反应耦合模型

2. COMSOL中多物理场耦合模型建模基本方法

(1) P2D电化学模型（锂离子电池模块）的建模

(2) 多物理场的建模

3. 电化学多物理场耦合模型的应用

(1) 锂离子电池结构仿真分析

(2) 电化学-热-力-副反应耦合电池使用寿命分析

4. 锂离子电池结构仿真实操

(1) COMSOL中多物理场模块的使用

(2) 锂离子电池极耳分布对电极应力影响

5. 锂离子电池容量衰减仿真实操

(1) 在COMSOL中实现副反应过程的耦合计算

(2) 循环过程中容量衰减的结果可视化

高阶篇： 人工智能与COMSOL联合仿真优化

1. 人工智能与机器学习基础

(1) 人工智能、传统机器学习、深度机器学习的基本概念

(2) 机器学习算法简介

2. COMSOL与人工智能的结合方法

(1) COMSOL仿真数据的导出与处理

(2) 数据的预处理与特征提取

(3) 数据的机器学习、模型训练和验证

3. COMSOL与PyCharm软件（Python）的结合使用实操

(1) 通过COMSOL进行后处理，并导出数据

(2) 训练神经网络模型，并进行验证

4. 基于COMSOL仿真数据与人工智能的电池性能预测案例实操

(1) 利用PyCharm对COMSOL导出数据进行可视化分析

(2) 训练神经网络模型，并进行验证

5. 锂电池设计（结构和参数）优化案例实操

(1) 对COMSOL导出数据进行预处理，并训练机器学习代理模型和验证

(2) 通过优化算法和代理模型进行优化设计

COMSOL燃料电池仿真技术与应用

课程名称

课程内容

COMSOL

仿真基础

1、COMSOL软件基本操作

1.1 创建模型一般步骤

1.2 几何创建方法

1.3 网格划分技巧

1.4 方程及边界设置

2、后处理

2.1 数据集创建

2.2 衍生量的计算

2.3 结果图的绘制

实例操作：肋片散热模型，化整为零式网格划分模型

COMSOL

燃料电池仿真技术详解

3、燃料电池仿真

3.1 燃料电池开路电压计算

3.2燃料电池三种极化损失

4、多孔电极有效扩散系数构建

4.1多孔电极构建方法

4.2曲率与孔隙率关系

4.3尘气模型实现方法

4.4简化的多组分气体传输

实例操作：多孔电极模型、尘气输运模型、混合气体平均模型

5、从简到真的建模方法

5.1只考虑气体输运

5.2 添加导电过程

5.3 添加电化学过程

5.4 添加退化过程

5.5与实验VI曲线的对比验证

实例操作：纽扣电池模型、退化模型、模型验证

6、连接体研究分析

6.1燃料电池活化设置方法

6.2传质-导电-电化学多场耦合方法

6.3传热-传质-动量-导电-电化学多场耦合

6.4连接体优化与设计

实例操作：连接体优化模型、新型连接体模型

7、积碳研究

7.1 燃料电池边界设置

7.2 传质-导电-电化学多场耦合方法

7.3 甲烷内重整反应设置

7.4 甲醇内重整反应设置

7.5积碳分析

实例操作：甲烷积碳模型

8、应力分析

8.1力学边界设置

8.2损伤几率求解

9.3残余应力分析

8.4热应力分析

实例操作：微管应力模型

9、CO2电还原

9.1 均相反应设置

9.2传质-导电-电化学多场耦合方法

9.3 模型验证

9.4 性能分析

实例操作：CO2电还原模型

机器学习驱动的智能化电池管理技术与应用

目录

主要内容

电池管理技术概述

1. 电池的工作原理与关键性能指标

2. 电池管理系统的核心功能

Ø SOC估计

Ø SOH估计

Ø 寿命预测

Ø 故障诊断

人工智能机器学习

基础

1. 人工智能的发展

2. 机器学习的关键概念

3. 机器学习在电池管理中的应用案例介绍

人工智能在电池荷电状态估计中的应用

1. 荷电状态估计方法概述

2. 基于迁移学习的SOC估计

(1) 基于迁移学习的SOC估计方法

数据集、估计框架、估计结果

(2) 全生命周期下的SOC估计方法

数据集、估计框架、估计结果

3. 基于数据-物理融合模型的荷电状态估计

(1) 基于融合模型和融合算法的SOC估计方法

数据集、估计框架、估计结果

(2) 全生命周期下的SOC融合估计方法

数据集、估计框架、估计结果

4. 实例讲解-基于迁移学习的SOC估计方法

人工智能在电池健康状态估计中的应用

1. 健康状态估计方法概述

2. 片段恒流工况下的SOH估计方法

数据集、估计框架、估计结果、泛化性验证

3. 动态工况下基于模型误差谱的SOH估计方法

数据集、估计框架、估计结果

4. 动态工况下基于老化特征提取的SOH估计方法

数据集、估计框架、估计结果、泛化性验证

5. 多阶充电工况下的实车电池系统SOH估计方法

数据集、估计框架、估计结果

6. 电池组内单体SOH快速估计方法

数据集、估计框架、估计结果

7. 实例讲解-片段恒流工况下的SOH估计方法

8. 实例讲解-基于模型误差谱的SOH估计方法

人工智能在电池寿命预测和衰后性能预测中的应用

1. 寿命预测和衰后行为预测方法概述

2. 基于转移注意力机制的电池剩余寿命预测方法

数据集、估计框架、估计结果

3. 基于深度学习的电池Q-V曲线预测方法

数据集、估计框架、估计结果

4. 基于轻量化机器学习的电池Q-V曲线预测方法

数据集、估计框架、估计结果

5. 实例讲解-基于深度学习的寿命预测方法

人工智能在电池热失控预警中的应用

1. 电池热失控预警方法概述

2. 数据集介绍

3. LOA算法的电池系统周级别热失控预警方法

Ø 算法框架

Ø 结果

4. 基于多模态特征的周级别热失控预警方法

Ø 算法框架

Ø 结果

5. 基于机器学习的电池异常检测、定位和分类方法

Ø 算法框架

Ø 结果

6. 实例讲解-基于机器学习的电池异常检测和热失控预警方法

人工智能在其他电池管理中的应用

1. 人工智能在解决电池系统有限物理传感中的应用

Ø 数据集

Ø 算法框架

2. 人工智能在充电策略优化中的应用

Ø 数据集

Ø 算法框架

Ø 结果

机器学习赋能的多尺度材料模拟与催化设计前沿技术

要点

内容

基础理论与技术前沿方法

1. 分子动力学模拟（MD）与第一性原理计算（DFT）基础

(1) 分子动力学模拟（MD）：力场选择（ReaxFF、PCFF）、热力学系综、积分算法、周期性边界条件设置

(2) 第一性原理计算（DFT）：DFT框架、电荷转移分析、过渡态搜索、态密度（DOS）与能带结构分析

2. MD与DFT在能源材料中的应用介绍

(1) 锂硫电池体系：

双原子催化剂建模、异质结构电子离域、聚硫化物催化转化动力学

(2) 压电催化与高级氧化：

压电材料极化模拟、界面反应动力学

(3) 催化转化反应：

熔融催化机理、O₂活化路径

3. 机器学习（ML）在材料科学中的核心方法

(1) 监督学习

回归模型：随机森林、梯度提升树（预测Li⁺迁移能垒）

分类任务：SVM、神经网络（催化剂活性分类）

(2) 无监督学习

聚类分析：k-means识别催化活性位点

降维技术：PCA提取关键材料特征

(3) 特征工程

描述符构建：电子结构（能带宽度）、几何构型（孔径尺寸）、热力学参数（吸附能）

(4) 图神经网络（GNN）

原子图建模：Fe-V双原子催化剂的图结构表示

迁移学习：聚乙烯裂解模型迁移至葡萄糖催化体系

4. ML在能源材料科学与催化中的前沿应用介绍

(1) 锂硫电池优化：COP隔膜设计、GNN筛选催化剂

(2) 压电催化工艺优化：神经网络映射、强化学习（DQN）

(3) 催化升级反应加速：迁移学习模型、活性位点聚类

多尺度建模与数据驱动技术融合

1. 锂硫电池体系的多尺度模拟与ML优化

1.1. DFT与MD协同解析

(1) DFT计算步骤：

构建双原子催化剂模型，计算LiPSs的吸附能，Bader电荷分析

(2) ReaxFF-MD模拟动态过程：

硫正极-电解液界面的多硫化物扩散动力学

案例实操1：DFT计算LiPSs在Fe-V位点吸附构型，LAMMPS模拟扩散系数

1.2. 机器学习驱动的隔膜与电极材料设计

(1) 特征工程：

COP隔膜的孔径、官能团类型（-NH₂）、Li⁺结合能

(2) 模型构建：随机森林预测Li⁺迁移能垒

(3) 模型应用与验证：对比实验验证、贝叶斯优化筛选

案例实操2：基于scikit-learn构建COP材料的迁移能垒预测模型

2. 压电催化与高级氧化

2.1. 压电材料极化效应的DFT-MD建模

(1) DFT计算压电响应：应变下MoS2的压电常数（Quantum ESPRESSO）

(2) MD模拟界面反应：GROMACS模拟压电材料振动诱导的H₂O分解路径

案例实操3：计算应变对ZnO压电极化的影响

2.2. 机器学习预测污染物氧化降解反应速率

(1) 神经网络预测：输入污染物分子结构式，输出自由基氧化路径速率

(2) 强化学习：DQN算法优化产氢能耗比

案例实操4：基于PyTorch搭建高级氧化污染物氧化降解预测模型

3. 催化转化反应加速

3.1. DFT-MD机理研究

(1) DFT计算裂解反应路径：金属-酸双功能催化剂的C-C键活化

(2) MD模拟熔融态传质过程：CVFF力场下聚乙烯在催化剂表面的吸附

案例实操5：用DFT模拟葡萄糖在H-ZSM-5表面的吸附构型

3.2. 图神经网络（GNN）催化剂设计

(1) 催化剂结构表征与图表示学习：

①构建催化剂原子图，提取拓扑与电子特征

②训练GNN模型预测芳烃产率

(2) 迁移学习与跨体系泛化：聚乙烯模型迁移至生物质催化

案例实操6：使用DGL库构建GNN模型，预测催化剂的芳烃选择性

培训特色

燃料电池专题

1、课程主要讲解燃料电池仿真应用，以燃料电池仿真、多孔电极模型、尘气输运模型、纽扣电池模型、连接体模型、直接碳燃料电池模型（传质-导电-电化学-热多场耦合）以及应力分析为例，带大家掌握COMSOL仿真从简到真的燃料电池建模方法。

2、采用“理论+实操”的讲授模式，通过多个模块场景案例的应用讲解，借助 COMSOL在理想或多物理场环境下建模、分析、评估、预测燃料电池、锂离子电池、固态电池锂金属、电解加工、电化学加工等行业中涉及器件的性能的方法，使设计满足当前和未来发展。

智能化电池管理专题

1、综合性：课程覆盖了电池管理技术的多个方面，包括电池的工作原理、关键性能指标及评估、电池热失控预警、异常检测、以及充电策略优化等。数据驱动角度强调了数据集的重要性，并在多个应用中展示了如何利用数据集来训练和验证模型。算法框架上详细阐述了不同应用场景下的算法框架，帮助学员构建清晰的技术实现路径。结果验证上在多个章节中提到了结果的估计和泛化性验证，确保学员能够理解模型的准确性和适用性。

2、技术深度和实际应用：深入探讨人工智能和机器学习在电池管理中的应用，如SOC（荷电状态）估计、SOH（健康状态）估计、寿命预测等，并提供多个应用案例，如基于迁移学习的SOC估计、基于模型误差谱的SOH估计方法等，有助于学员理解理论与实践的结合。

3、方法论：介绍了多种人工智能在电池管理中的具体应用方法，如基于数据-物理融合模型的荷电状态估计、基于深度学习的电池Q-V曲线预测等。

4、技术前沿：涵盖了当前人工智能在电池管理领域的最新研究成果，如基于转移注意力机制的电池剩余寿命预测方法。

多尺度材料模拟与催化设计专题

1、多尺度建模与机器学习融合：涵盖分子动力学（MD）、第一性原理计算（DFT）等微观模拟方法，结合机器学习（随机森林、图神经网络GNN）与强化学习（DQN），打通“原子-介观-宏观”跨尺度关联，实现材料性能预测与催化反应路径优化的智能驱动。

**2、工具链与实战案例导向：**以VASP、LAMMPS、Quantum ESPRESSO等计算软件为核心，集成scikit-learn、PyTorch、DGL等机器学习框架，构建“DFT计算→MD动态模拟→ML模型训练→验证”全流程实战链，覆盖锂硫电池隔膜设计、压电催化工艺优化等场景。

3、“理论-方法-应用”渐进式培养体系：从力场选择、热力学系综等基础理论，到监督/无监督学习、迁移学习等前沿方法，延伸至能源材料（如聚硫化物催化转化、污染物氧化降解）的工业级应用，确保学员系统性掌握技术栈。

**4、物理机理与数据驱动协同创新：**突破纯数据驱动局限，将物理规则（如ReaxFF力场、Bader电荷分析）嵌入机器学习模型（如特征工程中的电子结构描述符、GNN原子图建模），增强模型可解释性，提升跨体系泛化能力。

报名须知

1

时间地点

COMSOL仿真与人工智能融合——多孔介质及电化学仿真优化实战

2025年05月17日-05月18日

2025年05月24日-05月25日

在线直播（授课四天）

COMSOL燃料电池仿真技术与应用

2025年05月17日-05月19日

在线直播（授课三天）

机器学习驱动的智能化电池管理技术与应用

2025年05月10日-05月11日

2025年05月16日-05月18日

在线直播（授课五天）

**

**

机器学习赋能的多尺度材料模拟与催化设计前沿技术

2025年06月14日-06月16日

在线直播（授课三天）

2

报名费用

（含报名费、培训费、资料费）

COMSOL仿真与人工智能融合——多孔介质及电化学仿真优化实战：￥4500元/人

COMSOL燃料电池仿真技术与应用：￥3700元/人

机器学习驱动的智能化电池管理技术与应用：￥4900元/人

机器学习赋能的多尺度材料模拟与催化设计前沿技术：￥3600元/人

【注】费用提供用于报销的正规机打发票及盖有公章的纸质通知文件；北京中科万维智能科技有限公司作为本次会议会务合作单位，负责注册费用收取和开具发票，可开具会议费发票和发送会议邀请函；

3

增值服务

1、凡报名学员将获得本次培训所需软件安装教程、电子课件及案例模型文件；

2、培训结束可获得本次课程的全部无限次回放视频；

3、价格优惠

优惠一：多尺度材料模拟专题2025年05月19日前报名缴费可享受300元早鸟价优惠；

优惠二：参加过我单位举办的其它课程的老学员，可享受额外200元优惠；

优惠三：凡老学员推荐报名者，可享受额外200元优惠；

4、参加培训并通过试的学员，可以获得：主办方北京软研国际信息技术研究院培训中心颁发的专业技能结业证书；

4

联系方式