https://www.nature.com/articles/d41586-026-00168-w 

[!abstract]+ 
用于预测电池寿命的方法大致分为两大类。第一种是基于物理的老化感知建模，它通过明确模拟驱动电池的电化学和物理过程来描述电池劣化。 这一方法面临的一个公认挑战是需要校准许多与降解相关的参数——通常超过 15 个，具体取决于所考虑的降解机制。随着电池老化，这一方法很快变得不可行，部分原因是多个模型参数通常仅凭电压测量即可确定（且可能随老化变化），同时存在多种劣化机制。 
第二类是数据驱动寿命预测，利用实验数据将电池特征映射到寿命，而无需显式基于物理的劣化机制建模。这些机器学习方法通常能准确预测电池设计和训练数据集所描述的循环条件，但当应用于新的电池设计或循环条件时，这些方法往往会失效（这一限制称为分布偏移）。此外，这些方法通常需要在电池整个使用寿命内收集大量数据，...