柯博士介绍，团队已开发并验证多种机器学习模型——人工神经网络、贝叶斯回归、随机森林、支持向量回归等，用于对产线下线电芯进行快速质量分选。模型训练与验证共采用超过13,000颗电芯数据，可同时输出预测值与不确定性区间，有效识别电芯间差异及测量误差来源，从而真实反映产品与算法的可靠程度。
“预测不确定性是工业落地的关键，它让我们知道何时该信任模型、何时需要人工干预。”柯博士表示，现场工程师可据此动态调整工艺参数，减少不良品漏检，提高整线良率。
演讲结束后，多名与会者就“如何用AI进一步优化工艺参数”“如何缩短模型开发周期”等问题与柯博士深入交流。柯博士透露，团队正将电池建模仿真与人工智能深度融合，覆盖基础研究、产品开发、生产制造及新业务拓展，形成端到端的AI赋能平台。
柯昕佑博士简介：
柯昕佑博士，万向一二三全球先进仿真技术与人工智能团队负责人，本硕博均毕业于中美顶尖高校，师从两位美国院士，专注电池多物理场建模与AI仿真13年。主持/参与多项美国NSF、DOE项目，获Becket奖学金、MIT TR35提名等十余项国际荣誉；在Nat. Commun.、Chem. Soc. Rev.等期刊发表论文36篇，总IF 330，申请专利25项。
