基于大语言模型RAG架构的电池加速研究:现状与展望

作     者：钟逸 冷彦 陈思慧 李培义 邹智 刘洋 万佳雨 ZHONG Yi;LENG Yan;CHEN Sihui;LI Peiyi;ZOU Zhi;LIU Yang;WAN Jiayu

作者机构：上海交通大学溥渊未来技术学院未来电池研究中心上海200240 昆山杜克大学数据科学研究中心江苏昆山215316 

出 版 物：《储能科学与技术》 (Energy Storage Science and Technology)

年 卷 期：2024年第13卷第9期

页      码：3214-3225页

摘      要：随着近年电池领域研究投入的激增,研究人员面临着前所未有的信息过载和知识盲区的挑战。针对这一问题,本文探讨了大语言模型(large language model,LLM)的检索增强生成(retrieval augmented generation,RAG)架构在电池领域的应用潜力,在此基础上对近期的研究文献进行综述,并提出展望。本文介绍了大语言模型RAG架构的工作原理,强调了该架构在垂直领域的可靠性,并基于此综述探讨了该架构在电池材料设计、电池单元设计和制造、电动交通与电网的电池管理系统三个领域的潜在应用。在电池材料设计部分,本文着重分析了大语言模型RAG架构的无幻觉生成能力在数据提取、研究方案设计和多模态数据问答中的优势。在电池单元设计和制造部分,本文从科研端指出该架构对电池单元设计方案分析的辅助作用,从制造端指出该架构桥接产业和科研的鸿沟、辅助产业管控的作用。在电动交通和电网的电池管理系统部分,本文指出该架构在跨领域知识联结、辅助系统级运维的作用。最后,本文讨论了多模态RAG技术在电池研究领域的应用潜力及其对电池研究效率的提升,并展望了RAG在电池领域的更多应用前景。

主 题 词：大语言模型 检索增强生成 电池材料 电芯 电池管理系统 

学科分类：07[理学] 0703[理学-化学类] 

核心收录：

D　O　I：10.19799/j.cnki.2095-4239.2024.0604

馆 藏 号：203140528...