通过迭代实验反馈实现石墨基负极的AI引导设计与优化
AI-Guided Design and Optimization of Graphite-Based Anodes via Iterative Experimental Feedback
Qian Du、Mark M. Sullivan、James E. Saal、Florian Huber 著。本文提出一种迭代式 AI 引导工作流程，通过提高配方可行性和工艺稳健性加速石墨基负极开发。从嘈杂且不完整的数据集出发，经由三轮迭代学习，放电容量达标率从 28.4% 提升至 84.8%，容量保持率从 42.1% 提升至 97.3%，电芯生产成功率达 100%。
引言
电池研发背景、高通量实验与序贯学习
第1章实验设计
电池制备工艺参数与数据集概览
第2章迭代式AI引导实验
三轮序贯学习的工作流程详解
第3章材料与方法
浆料制备、电极制备、扣式电池组装与 Citrine 平台
第4章结论
AI 引导电极制造的关键洞察
第5章展望
AI-HTE 框架的扩展与迁移
第6章左侧导航栏选择章节阅读。完整中译见 全文。