多模态分子表征与多性质预测
同一个分子,能否把序列、结构图、三维构象和图像放在一起理解?
结合 1D、2D、3D 与视觉多模态信息,更准确地预测分子性质。学到的表征可作为后续电解液、电解质模型的编码器。
会自我进化的科研智能体系统
VoltaScience 由 VoltaHarness 在伏塔内部持续迭代而来。模型和智能体分工协作:拆解课题、提出假设、计算筛选、设计实验,再把实验结果写回知识、模型和协作方式。研究从分子、晶界、固相反应到合成逐层展开,首个核心场景是固态电解质固固界面。
研究问题
固固界面是首个核心场景,它背后牵着一串更基础的问题:分子会怎样分解,晶界会不会开裂,烧结和合成会生成什么。每个问题都训练成可调用的模型,再交给智能体组合使用。
同一个分子,能否把序列、结构图、三维构象和图像放在一起理解?
结合 1D、2D、3D 与视觉多模态信息,更准确地预测分子性质。学到的表征可作为后续电解液、电解质模型的编码器。
这个分子在电池里,最先断的是哪根键?
输入分子及其电子状态,预测特定化学键断裂所需的能量。对电解液分子,这是推断分解路径、理解界面膜成分的基础。
哪些晶界既容易出现电子态异常,又容易开裂?
同时预测晶界的电子结构异常和力学强度,找出两种风险叠加的晶界,是固固界面问题中的一个研究点。以公开的 590 个表面与晶界模型为起点,数据含结构及计算性质。
正极、电解质和负极之间,怎样长期贴合、持续导通?
首个核心场景。把本页各项模型交给智能体组合使用,与卫蓝实验室一起迭代包覆、烧结和压制方案,在真实产业问题里检验这套科研范式。
两种固体放在一起加热或充电,会反应出什么?
针对固态电池中的固相反应预测反应产物,并分析电位、温度等电化学环境对反应的影响。
给定前驱体和条件,除了目标晶相,还会长出什么?
预测合成中可能出现的杂质相。例如合成石榴石型电解质 LLZO 时,除目标晶相外,还可能形成其他含锂或含镧、锆的化合物,影响相纯度和后续电化学表现。
系统能否自己发现短板,改进模型、数据和协作方式?
研究智能体如何评估模型、设计训练数据、改进工具和协作流程,让上面每个模型都在使用中变强。这是 VoltaScience 自我进化的方法基础,也适用于 AI 自身的研发。
自我进化
一轮迭代结束时,复盘智能体对比预测和实测,把差异变成下一轮的起点。写回的对象有三类,分别让系统知道得更多、算得更准、配合得更好。
01
实验结果和失败原因写成结构化条目进入知识库。下一轮检索时,上一轮踩过的坑会直接出现在依据里。
02
新的实测数据用来微调势函数和性质预测模型。模型越准,计算筛选留下的候选越少,实验就越省。
03
复盘智能体调整分工和流程,例如让工艺智能体先校核包覆元素的热扩散,再排实验矩阵。
组成
每个智能体负责科研流程中的一段,需要计算时调用专业模型。新的智能体在 VoltaHarness 里创建,在真实任务里打磨,再加入 VoltaScience。
拆解课题,安排分工,决定下一轮先做什么。
检索内部报告、实验记录和公开文献,给出依据。
提出候选材料、掺杂和机理假设。
调用势函数和基础模型,做界面计算与性质预测。
设计包覆、烧结、压制工艺和实验矩阵。
对接卫蓝实验室和自动化平台,回收实测数据。
对比预测与实测,写回知识、模型和协作规则。
电解液基础模型已完成12 种电解液性质
电芯生命周期模型已完成由循环数据推算寿命
固态电解质基础模型已通过初审北京市 AI+新材料储备课题
固态电解质势函数模型在研界面结构与反应计算
底座
VoltaScience 用的是 VoltaHarness 的底座:知识库、技能、沙箱计算、模型服务接入,以及多个岗位助手之间的协作。
电解液基础模型已经作为技能接入 VoltaHarness。工程师输入配方,就能拿到电导率、黏度等预测值,连同换算过程和适用范围提醒。
了解 VoltaHarness
验证
模型和智能体给出的只是候选。每一轮的方案都要进入真实的实验室,实测数据才是写回系统的依据。

方案在卫蓝新能源的实验室验证:包覆、组装、阻抗测试和循环测试。验证通过的新材料、新工艺有机会直接进入量产线。
下一步
自动化实验平台按智能体给出的实验矩阵连续执行,结果自动回到系统,让一轮迭代从以周计缩短到以天计。