近日，我院青年教师王功全在锂离子电池反应动力学参数快速预测方面取得了重要研究进展，相关成果以题为《Calorimetry-free identification of battery reaction kinetics using simulation-driven deep learning》的论文，发表在能源领域国际权威期刊 《Energy Storage Materials》上，最新影响因子为20.2。论文第一作者为青年教师王功全，通讯作者为孔得朋教授，中国石油大学（华东）为第一署名单位和唯一通讯单位。该研究得到了国家重点研发计划、国家自然科学基金、山东省博士后创新项目等项目的联合资助。
论文首页
反应动力学参数能够定量表征电池的电化学与热行为，是热失控建模的关键输入。然而，这些参数的获取通常依赖量热实验数据，如加速量热（ARC）和差示扫描量热（DSC），此类方法成本高、耗时长、依赖于研究人员的经验。在本研究中，我们提出了一种预测模型，可直接从热滥用实验中提取反应动力学参数，从而减少对量热数据的依赖。该模型通过降维采样与高通量热失控仿真构建数据集，随后基于这些数据训练多阶段的神经网络，建立电池温度演化与反应动力学参数的映射关系，最后利用迁移学习将预训练模型适配实验数据，解决实验与仿真数据的跨域差异。这项工作能够简化电池反应动力学参数的识别流程，降低测试与分析成本，从而加速电池的安全评估及热失控仿真。
论文链接：https://doi.org/10.1016/j.ensm.2026.105087
