2025年09月20日-09月21日
电池技术作为能源领域的关键支撑，正面临着多学科交叉融合带来的重大变革与严峻挑战。传统建模手段在处理电池系统内部复杂多变的多物理场耦合问题时暴露出诸多局限。例如，电池热管理仅依靠传热学理论难以精确描述其复杂热行为，电极材料的力学稳定性分析也离不开电化学与力学的交叉探讨。与此同时，人工智能（AI）技术正加速渗透到电池研发各环节，从电池性能预测到寿命评估，从结构优化到充电策略制定，AI 凭借其强大的数据挖掘与分析能力，正重塑电池技术的研发范式。

国际趋势方面，Nature、JES 等顶尖学术期刊持续聚焦“多物理场耦合”、“AI+电池”等交叉研究前沿，COMSOL 与 AI 技术融合驱动的电池建模与仿真创新研究正成为全球热点。由知名学者领衔的科研团队不断在多物理场耦合机理剖析、智能化电池管理系统开发等方面取得突破性成果，推动着电池技术向更高能量密度、更长循环寿命、更高安全性等目标加速迈进。

国家需求层面，我国《“十四五”能源领域科技创新规划》明确提出聚焦新一代信息技术和能源融合发展，开展能源领域用数字化、智能化共性关键技术研究，并提出加速能源科技创新人才培养保障措施。

学科发展维度，智能电池技术作为新兴交叉学科领域正蓬勃兴起，众多头部企业对既精通电池电化学核心技术，又熟练掌握多物理场仿真技巧与 AI 应用开发的复合型人才求贤若渴，相关岗位招聘需求持续井喷。
☆ 掌握COMSOL锂离子电池电化学建模仿真技术，包括多场耦合电化学分析。

☆ 掌握机器学习在锂离子电池性能预测、优化设计等方面的应用。

☆ 通过案例实践，提升COMSOL实操能力和解决复杂科学/工程问题的能力。

由国内某高校教授带领研究小组讲授。该小组一直致力于多物理场耦合力学相关研究，迄今发表 SCI 论文 80 余篇，主要包括 International Journal of Heat and Mass Transfer，Journal of The Electrochemical Society，Journal of Energy Storage 和 Journal of Applied Mechanics 等期刊。主持国家自然科学基金等科研项目。

擅长领域：多孔介质多物理场耦合建模、锂离子电池电化学仿真分析和 AI 优化设计等。