清华等团队推出自进化多物理场AI建模系统EvoSim 电池析锂预测精度优于人类专家

清华大学化工系张强教授团队联合清屿科技、香港大学、北京怀柔实验室推出自进化多物理场建模系统EvoSim。该系统让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”，同一轮试错既产生更准确的模型，也沉淀出可复用的建模能力。

研究团队来自电化学、物理建模与人工智能等多个方向。在材料研发和器件设计依赖的微观物理世界中，真实系统常耦合多种物理场，关键内部状态难以直接测量。EvoSim将“预测错误”本身作为研究对象，并行提出参数识别、物理机制、几何、边界条件等多种可能原因，并通过实验对照验证修正的有效性，实现模型与建模方法的递归自我改进。

研究在两个工业级场景中验证了EvoSim。电池快充析锂方面，系统基于61个测试电池的20组析锂起点条件构建模型，析锂起点荷电状态的平均绝对误差为1.79%，优于领域内人类专家构建的模型。动态电压预测方面，验证覆盖8个温度下的16条完整轨迹、共计109,746个秒级采样点，在30摄氏度DST轨迹和20摄氏度US06轨迹上的电压均方根误差分别为7.62 mV和8.97 mV，均低于对应数据集上人类专家构建电芯模型的历史最好水平。

团队表示，EvoSim展示了一种让语言模型持续理解物理世界的方式：实验指出物理模型无法解释的地方，语言模型据此修订模型并给出新解释，修订过程又反过来改进其研究方法。下一步，研究者可在材料科学、化学工程、生物工程等领域选取更多具有实验数据的系统，检验这种协同进化路径的效果。