02 从研发难题出发，两个月实现硫化物电解质高效突破

团队选取产业主流，但痛点突出、技术挑战大的硫化物固态电解质作为攻关对象，以高离子电导率、高空气稳定性为核心目标，依托固态电解质智能研发大装置，仅配置3 名研发人员，总周期 2 个月，完整跑完知识梳理、候选筛选、自动化合成、多维度性能表征到电芯评测全流程闭环。

项目面向18 万种掺杂组分的化学设计空间，大装置仅执行72 组实物实验，占总空间 0.04%，即筛选得到 8 款高性能新材料，其中 6 款突破传统 Cl/Br 配比经验区间，挖掘出传统人工试错很难触达的材料最优解。开发的电解质材料，在‑50℃露点严苛环境持续暴露 4 小时，电导率保持率由基准 62% 提升至85%，空气稳定性提升 37%；模具电池 1C 倍率放电性能提升 23%。

从材料高质量纯相合成、粒径优化和Uni-AIMS谱图解析到材料的空气稳定性及模具电池1C克容量提升

区别于大多数仅停留在实验室小样的研发成果，本项目成果快速向工程放大推进，4 款材料完成模具电池全项评测，2 款完成公斤级放大制备，已交付头部企业开展 Ah 级软包电芯测试，完整跑通 “材料配方‑小样制备‑公斤放大‑电芯评测” 的产业落地链路，实现从材料发现向电池应用的无缝衔接。

03 结果如何产生？智能驱动下 “读‑算‑做” 自进化闭环

传统材料研发中，文献调研、模拟计算、样品制备和性能测试往往各自独立。固态电解质智能大装置通过MatMaster智能体和Uni‑Lab‑OS 智慧实验室系统：从知识中定义问题，用DPA模型缩小搜索空间，再由自动化实验验证，最终让新数据回到模型，推动下一轮更准确的推荐。

读｜把全量知识转化为可计算设计的空间和优化起点

依托玻尔（Bohrium）科学空间站，接入2.8亿篇人类全量文献，并对固态电解质领域文献进行提取与标注，沉淀出10万条结构化数据。MatMaster智能体进一步将检索、归纳与专业问答融入研发过程，帮助研究人员快速梳理硫化物改性规律、定位值得探索的材料方向，为研发提供设计方向与优化起点。

团队进一步综合成本、毒性、离子半径、掺杂浓度等多维约束，从复杂化学空间中确定43种候选掺杂剂，构建出18万种潜在组分的设计空间，把经验判断转化为边界清晰、可继续计算和优化的问题，让计算围绕明确目标展开。

算｜基于DPA4 大原子科学模型基座，DPA‑SSE 垂类模型完成大空间设计筛选

面对庞大的潜在设计空间，逐一实验并不可行。团队通过固态电解质垂类模型DPA-SSE完成500组常见掺杂体系的分子动力学模拟，获得离子电导率数据；随后在DPA4大原子基座模型上进行微调，形成面向固态电解质的离子电导率性质预测模型。DPA4在Matbench Discovery与SPICE-MACE-OFF两项材料发现国际权威榜单中登顶，综合性能世界第一。

基于DPA4对材料结构和性质关系的学习能力，模型在18万潜在设计空间内完成批量预测与排序，每轮探索500-1000组体系，输出优先验证候选体系。过去需要靠实验逐步缩小的搜索范围，现在可以先由模型完成体系的大规模筛选，再把有限的实验资源集中到最值得验证的方向上，让计算直接参与“下一步做什么”的决策。

做｜Uni‑Lab‑OS 智慧实验室系统 +关键工艺改造，全链条自动化落地

Uni‑Lab‑OS 智慧实验室系统是整套大装置落地实体实验的核心载体，负责统一纳管合成、表征、测试多类工站，接收上游 DPA 大原子模型输出的实验方案，将配粉混料、烧结、物相分析、电化学电导测试串联成一体化自动化工作流，消除跨设备操作带来的等待周期与数据断点,并依托MatMaster集成数字孪生虚拟实验室，实现自然语言驱动的远程设备、物料监控及实验启动。

样品合成阶段：针对固态电解质研发中最为耗时的混料、烧结两大关键工序，大装置完成专项工艺改造。相比传统高能球磨，全新混料工艺实现混料耗时缩短 90%（传统高能球磨10h以上→ 新型混料1h以内），同时保障材料离子电导率与物相纯度不受损失；针对传统马弗炉烧结周期长的痛点，开发新型快烧工艺，烧结环节整体效率提升10 倍（传统马弗炉工艺10h以上→快烧工艺1h以内），解决合成环节长期存在的效率瓶颈。

样品表征阶段：系统自动完成 XRD、Raman 光谱采集，并通过智能谱图解析算法完成物相匹配与智能寻峰，使结构判断更快沉淀为可用于模型学习的标准化数据。

电导测试阶段：自动化工站完整覆盖倒粉、压片、阻抗测试、脱模测厚全流程，单次检测时间压缩至 10 分钟以内，日测试通量可达 50 组以上，测试通道可灵活扩展。

整套自动化链路将人为操作带来的实验误差由 20% 降至 5%以下，单轮实验周期整体提效 2 倍，单周合成通量提升 5 倍，持续稳定输出高质量实验数据，回供 DPA 大原子模型迭代优化。

闭环迭代优化|实验数据自动回流，实现 “计算‑实验‑优化” 自主循环

每轮合成-表征-测试结束后，通过 Uni-Lab-OS 回传三大工站数据，经接口转换为标准实验训练集，微调 DPA4 性质预测模型；依托强化学习算法围绕离子电导率与空气稳定性开展多目标优化，每轮推荐 10—30个体系进入下一轮验证。

由此每轮实验都会缩小下一轮需要验证的范围：计算给出实验优先级，实验检验模型判断，新数据再修正下一轮搜索方向。研发人员不再需要在广阔化学空间中反复试错，而是围绕模型不断收敛的候选范围开展高价值实验。这一“计算—实验—优化”自主迭代循环，正是大装置区别于单点软件或自动化设备的核心。

04 可复制的干湿闭环基础设施，加速下一代电池产业化落地

固态电解质智能研发大装置，于 2026 世界动力电池大会面向全球产业界正式发布，标志其从实验室走向产业规模化应用。整套大装置不局限硫化物路线，可迁移应用于氧化物、卤化物固态电解质以及各类能源新材料研发，能够根据企业研发需求灵活定制配置。

深势科技持续布局从电解液到固态电解质的全链条电池材料智能研发，以材料层面的技术突破化解行业研发痛点，推进下一代电池产业化。未来将进一步开放大装置能力，为产业链提供平台、模型、工艺、实验一体化综合服务，携手上下游企业与科研机构，以科学智能赋能全球动力电池产业高质量发展。