当前，厦门市与嘉庚创新实验室正在合作建设面向未来能源化学研究的智慧储能大型基础设施，旨在解决工况研究中的诸多科学与工程难题。该基础设施将实现对电化学器件的实时“检测-解析-控制”闭环工况表征，其中人工智能模型扮演着关键角色，充当了检测、解析和控制的中枢大脑。AI4EC Lab正积极与智慧储能大型基础设施相关实验团队合作，为短期内在某个具体电化学器件中实现这一闭环研究的原型，在协助数据收集、构建人工智能模型等相关方面积极合作。

为推动人工智能赋能谱学工况表征的新路径、新突破，AI4EC Lab 举办智能谱学交流研讨会，北京大学/北京智能科学研究院鄂维南院士，厦门大学田中群院士，厦门大学化学化工学院院长任斌教授，北京科学智能研究院院长张林峰博士，厦门大学程俊教授，嘉庚创新实验室田景华研究员等研究人员共同参与并开展讨论。

AI4EC Lab常务副主任程俊教授介绍了AI4EC Lab正搭建电化学领域的“四梁N柱”框架，通过定制软硬件一体化计算方案，大幅提升第一性原理高精度数据生产效率以建设大规模材料复杂表界面数据库，并希望推动计算谱学数据与实验数据耦合，多种谱学技术的多模态联用，以实现工况表征数据的实时解析。

AI4EC Lab智能谱学团队负责人汤富杰副教授，针对谱学智算工作计划做了具体汇报。首先是针对如何构建从微观结构出发到解析宏观谱图数据的谱学模型思路做了介绍。电化学实验针对复杂的化学环境，实验测量困难，相关实验数据数量较为稀少，其很难直接与结构直接关联，因而基于实验数据构建“谱构关系”的人工智能模型较为困难。

智能谱学团队提出从计算谱学数据出发，结合精度较高的实验数据，这是因为理论模型出发计算谱学信号，自动关联谱构关系。团队提出从简单模型体系构建谱学模型，逐渐加入化学复杂度，并与实验数据逐步融合，按照“三步走”的计划来构建谱学模型。

此外，他还介绍了团队的人员配置与分工，以及为解决目前电化学器件相关的谱学表征问题，介绍了以“物理机制”，“提高清晰”与“实验数据”为主的三类谱图表征方案，提出以计算解谱，AI图像学与数据驱动等解决方案，为智慧储能大型基础设施与相关实验团队提供充分与多样化方案。

 -- 

工程团队负责人徐伟鸿报告了实验数据采集的规划和进展。谱学大模型的构建离不开大量实验数据的支撑，建立与计算谱学数据库匹配的实验谱学数据库至关重要。工程团队以大规模采集高质量实验数据为目标，通过软、硬件工程手段帮助实验团队落地自动化、标准化和规模化的实验数据采集解决方案，为谱学大模型的构建提供有效的数据保障。工程团队以电池充放电循环阻抗谱自动化为例，展示了如何使用工程化方法解决电池样品自动切换、多设备协同和软件自动化操作等难题，实现阻抗谱采集的自动化。

与会人员针对谱学智算问题的多层次研发、团队协作机制及如何结合实际体系等具体问题共同进行了深入探讨。

田中群院士强调要明确谱学应用的三个层次，第一层是利用尽可能多的谱学方法获取同一个体系的全方面优质数据，第二层是使用关键的谱学或传感技术获取产业化中具体体系的数据，第三层是极少的谱学技术结合传感器且真正应用到企业工况实施过程中，并指出团队需要思考研究的开放度以及与其他团队的结合点。

鄂维南院士表示，现阶段研究需要从更宏观的层面考虑如何建立模型，以及如何建立研究人员的高效协作机制。张林峰博士建议首先明确表征控制的目标，以便结合实际问题具体分析，预判“检测-解析-控制”循环中的控制算法和研发瓶颈。

任斌教授认为在实施过程中涉及支撑产业应用的宏观层次参数，和具有应用前景体系的微观层次探索，并建议从智慧储能大型基础设施提出应用体系的研发需求，把这些体系拆解为宏观跟微观问题，以便大家形成合力，共同推动研究闭环。汪骋教授建议从仿真模型入手，支撑工程化中针对具体实验参数的确认需求。

通过本次研讨，与会者们对于AI4EC Lab在智算谱学的探索有了更深入的了解，会议也为推动谱学表征实验组获取高质量、高通量实验数据，实现数据驱动研究范式提供重要参考。在未来的发展中，AI4EC Lab坚持以协同、开放的合作理念，推动高质量、高效率的合作研发，并将持续发展智能谱学计算，针对复杂电化学体系开发智能谱学计算和分析平台，建立“谱构”关系模型，助力电化学器件原位、工况表征检测。