韩国蔚山科学技术研究院(UNIST)下属的一个研究团队成功将人工智能(AI)技术融入锂离子电池正极前驱体的制造工艺中，降低了缺陷率并提高了生产效率。预计这项技术每年将节省超过20亿韩元的生产成本。
该研究发表在《InfoMat》杂志上。
该团队由机械工程系和人工智能研究生院的Im Doo Jung教授领导，与韩国工业科学技术研究院(RIST)合作，开发了降低富镍层状氧化物(LiNi x Co y Mn z O 2，NCM)前驱体缺陷率的工艺条件。他们还设计了一个人工智能实时控制系统，用于动态监控和调整制造过程。
NCM前驱体是由镍(Ni)、钴(Co)、锰(Mn)组成的粉末状材料，在高温下结合，形成电动汽车电池的正极材料。
虽然前驱体颗粒中镍含量的提高可以提高电池容量，但也使得电池制备过程中容易出现镍浸出现象——镍无法正确沉淀或溶解回溶液中。镍浸出会导致颗粒形状和成分不规则，最终降低电池性能和寿命。
为了应对这一挑战，研究团队优化了工艺参数以抑制镍浸出，并开发了基于人工智能的实时设备异常检测系统。
通过控制搅拌速度、pH 值和氨浓度等因素，他们设计了该工艺，使镍仍然限制在颗粒内部，从而增强结构稳定性并减少浸出。
此外，该团队还采用了领域自适应AI技术，显著提升了缺陷检测性能。与传统的仅基于实验室数据训练的AI模型不同，领域自适应AI能够识别并适应大规模生产过程中的环境和设备变化，从而保持较高的预测精度并确保始终如一的质量。
这项研究的共同第一作者是韩国蔚山国立科学技术大学机械工程系的Junyoung Seo和Taekyeong Kim。该团队解释说：“随着设备老化或生产规模扩大，初始工艺条件可能会发生变化。我们的领域适应型AI能够适应这些变化，确保稳定、高质量的输出。”
该人工智能系统已在一台11.5吨工业规模的反应堆上进行了验证，将批次缺陷率降低至之前的十五分之一，异常检测准确率达到97.8%。预计该技术每年可避免约22亿韩元的原材料和生产损失。
郑教授表示：“与小规模的实验室实验不同，大规模生产需要投入大量成本来控制质量和产量。我们的人工智能驱动方法可以直接应用于现场，以确保稳定、高质量的生产。”
他进一步补充道：“这种方法不仅对电池材料有前景，而且对化学品、机械和半导体等大型制造业也有前景。”
更多信息： Junyoung Seo 等人，基于领域自适应机器学习的高质量大规模富镍层状氧化物前驱体共沉淀，InfoMat (2025)。
