发展基于“语义检测”的低参数量、多模态预训练电池通用人工智能模型.pdf

1、本文档共9页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。

第13卷第4期储能科学与技术Vol.13No.4

2024年4月EnergyStorageScienceandTechnologyApr.2024

电池智能制造、在线监测与原位分析专刊

发展基于“语义检测”的低参数量、多模态预训练电池通用人工智能

模型

1,21

吴思远，李泓

（中国科学院物理研究所北京清洁能源前沿研究中心，中国科学院物理研究所凝聚态物质科学

数据中心，北京100190）

摘要：ChatGPT的出现意味着一种以“预训练+微调”为主的新科研范式诞生，以OpenAI为代表的企业正朝

着训练通用人工智能（AGI）模型的路线前进，AGI意味着人工智能具备超越人类智力并解决通用性问题的能力，

其是为了解决通用问题并具有强大的自学能力来促进人类社会发展。然而OpenAI等模型仍然是以文本为主结合

图像等作为输入，对于电池体系来说，文本信息是少数的，更多的是温度、电压-电流曲线等的多模态数据，其

所关注的结果包括电池荷电态、电池健康度、剩余寿命和是否

新能源知识科普（本账号发布文档均来源于互联网公开资料，仅用于技术分享交流，相关版权为原作者所有。如果侵犯了您的相关权利，请提出指正，我们将立即删除相关资料）。

更多 >