过去几年，电池、钙钛矿、能源材料等方向连续出现机器学习相关文章，聚焦如何利用机器学习进行性能预测、材料筛选和加速研发。与此同时，NVIDIA、Siemens、Fluence等企业开始布局AI+储能解决方案，AI与新能源的结合正从产业端向科研端快速延伸。
对于新能源科研而言，一个越来越明显的趋势是：未来课题组之间的差距，可能不仅来自实验能力，还来自是否掌握数据驱动研发的方法。当别人已经利用机器学习预测材料性能、筛选候选体系时，如果仍然完全依赖传统试错模式，科研效率和创新空间都可能逐渐被拉开。
为此，科学指南针推出《机器学习辅助新能源材料研发：从预测到筛选》线下实战课，围绕新能源材料真实科研场景，带领学员从数据处理、模型训练到性能预测与候选材料筛选，真正将机器学习方法迁移到自己的课题研究中。
