研究論文提出迭代式AI引導工作流程，優化石墨基電池陽極設計

一篇發表於arXiv的研究論文提出了一種迭代式的AI引導工作流程，旨在加速石墨基電池陽極的開發。研究團隊利用Citrine平台，從一個存在雜訊且不完整的數據集出發，透過序列學習與多目標逆向設計來優化陽極。研究指出，儘管早期的代理模型預測確定性較低，但它們成功標示出了缺失的製程約束條件。透過在工作流程中迭代地加入可行性標記與邊界條件失敗的數據，系統快速朝著可製造且性能更優的配方收斂。實驗結果顯示，製程可靠性從頻繁失敗提升至100%的電池生產成功率，同時，能夠提供每克350毫安時（mAh g⁻¹）以上容量的電池比例從28.4%大幅增加至84.8%，容量保持率也從42.1%提升至97.3%。這些成果表明，結構化且由數據反饋驅動的AI工作流程，能夠將不完美的工業數據轉化為具體的優化指導，從而實現更快速、可重複的電池電極製造優化。