8月28日消息，一篇8月27日提交至arXiv的论文（编号2608.27162）提出了面向锂离子电池正极开裂的 data-efficient（数据高效）量化方法，通过基础视觉模型迁移把以往需要专家逐像素标注数小时的破坏性电镜测量，转化为可规模化的种群级退化统计。

电池寿命是可持续电气化的核心，而驱动锂离子正极老化的颗粒开裂一直难以测量：每一次破坏性电子显微镜截面分析动辄数亿像素，像素级专家标注每张图需要数小时，标注环节成为定量显微学的瓶颈。该工作显示，一个冻结的自监督视觉Transformer（ViT）编码器配合轻量可训练解码器和迭代式模型辅助标注，能够把有限的标注预算放大为覆盖整个颗粒群体的退化测量。

方法在三个1200万像素的NMC正极截面上验证，分别对应初始状态、循环老化与日历老化三种状态。框架可区分晶内裂纹与早期、晚期沿晶裂纹，并输出每颗粒尺度的裂纹宽度、曲折度和面积分数分布——这些分布层面的统计正是建立裂纹-容量衰减定量关系所缺的数据基础。

从行业视角看，正极颗粒开裂是高镍NMC等高比能正极循环衰减的主要机制之一，裂开会加速电解液渗入与界面副反应。该工作将基础模型（foundation model）迁移用于材料退化定量，规避了从零训练对大数据集的依赖，与近年AI for Science中'预训练模型+少量标注微调'的路线一致；对电池企业和材料开发商而言，此类自动化定量工具有望缩短正极配方与工艺的寿命评估周期，其方法论也可推广至燃料电池、催化剂等其他依赖截面显微分析的退化体系。 （来源：arXiv）