夜雨聆风
近期举行的2026首届中国“AI+新材料”大会上，屹艮科技创始人兼CEO郑家新博士与研发副总经理宋孝河博士分别发表主题演讲，系统阐述了物理建模与人工智能深度融合在新材料与锂电池领域的创新路径。凭借前瞻性的技术理念与全栈式数智化解决方案，引发了与会专家学者及企业代表的热烈反响。
屹艮科技团队
郑家新博士重点讲解以“物理×AI”支撑的
屹艮科技数智化平台架构
4月11日，郑家新博士带来了题为《物理智能驱动新材料设计》的精彩报告，郑家新博士指出，当前新材料研发面临的核心挑战在于如何实现从微观到宏观的多尺度材料研发闭环。对此，屹艮科技提出了“物理×AI”双轮驱动的解题思路，旨在解决新材料研发中跨尺度、多物理场、长流程、多因素等核心难题。郑家新博士强调，这种“物理智能”路径并非简单的“黑箱”预测，而是基于海量的实验与仿真数据，通过清晰的物理机制与AI算法的协同，为研发工程师提供精准的反应路径与产物分析。
0
1
在仿真计算侧，以物理机制解析材料过程。通过第一性原理计算与分子动力学模拟，获取关键参数；进而开展介观分散相模拟和服役态演化模拟。通过跨尺度耦合，将微观参数精准传递至宏观模型，贯通微观原子机理与宏观材料性能。
在AI智能平台侧，以数据驱动决策。通过构建高质量的材料数据库，进行实验数据管理。并利用机器学习算法挖掘“结构-成分-工艺-性能”之间的深层构效关系，建立可解释的预测模型。实现正向性能预测与逆向配方推荐，加速材料筛选与优化迭代。
通过仿真数据训练AI模型形成持续迭代优化，实现“实验-计算-AI”协同优化的数据闭环。
面向研发全场景的智能应用
郑家新博士还展示了利用人工智能技术构建“分子生成—高通量筛选—实验闭环”的研发流程，有效扩展材料设计的化学空间。通过AI分子生成与高精度物性预测的闭环，支持从分子骨架设计到关键性能筛选的全流程智能化，大幅减少传统“试错”式实验次数，缩短新材料从概念到验证的研发周期。
计算模拟门槛高、参数设置复杂、跨软件协作困难，一直是制约材料研发效率的现实瓶颈。屹艮科技深度自主研发的“Hylanemos Agent”智能计算体给出了破局之道：
“Easy Computation”的设计理念，标志着屹艮科技正从提供单一计算工具向构建“研发智能体基座”演进——让材料科学家专注于科学问题本身，而将复杂的建模、计算与数据分析工作交给AI Agent完成，真正实现“简单计算，描绘未来”的产品使命。
现场观众积极互动
宋孝河博士重点解析极片算法
4月12日，宋孝河博士接力登场，以《AI驱动的锂电池关键材料与复合极片设计》为题，聚焦新能源产业的具体落地场景，展示了屹艮科技在复合极片设计领域的全链条算法突破。
针对多晶材料中晶粒堆叠结构对离子输运行为的复杂影响，屹艮科技开发了多晶材料电化学性能预测算法。该算法结合第一性原理计算与多晶几何建模，能够建立晶粒内部与表面的离子浓度场方程，模拟离子在多晶颗粒中的扩散行为。通过计算等效扩散系数并耦合至电芯尺度的电化学-热-力耦合仿真，该算法可定量评估不同晶粒取向、颗粒形貌、掺杂、包覆等材料微观手段对宏观电化学性能（电压、容量等）的改性效果。
0
2
为精确模拟锂电池极片制备过程中颗粒尺度的力学行为，屹艮科技开发了基于离散元法的多颗粒介观尺度性能预测算法。该算法可支撑极片复合配方设计，通过自定义极片配方、调用压实模型并结合AI生成微结构，快速计算极片压实密度、电导率、迂曲度等参数，提前识别影响极片性能的关键瓶颈，为配方优化提供指导。
多尺度传参架构的开发
为解决从材料微观结构到宏观器件性能的跨尺度仿真难题，屹艮科技构建了多尺度传参架构。该架构打通了从原子尺度第一性原理计算、颗粒尺度介观模拟到电芯尺度有限元仿真的数据传递链路，实现多物理场耦合的跨尺度协同。通过将材料本征属性与极片微观结构特征有效传递至电芯设计阶段，为高能量密度锂离子、固态电池提供了技术支撑。
0
4
针对固态电池中固-固界面接触失效、体积变化与电化学性能强耦合的技术挑战，屹艮科技创新性地开发了融合电化学和等效电路算法的固态电池力学-电化学多物理场耦合模型。通过这套方法，可以分析不同的活性颗粒和固态电解质排布方式对电池的电压平台和反应均匀性的影响。
会议期间，国内顶尖高校学者、头部企业客户及产业投资机构代表到访屹艮科技，并纷纷对屹艮科技提出的"物理智能"理念表现出浓厚兴趣，并就跨尺度建模的工程化落地、AI预测模型、Hylanemos Agent模块等核心问题，与屹艮团队进行了深入的技术探讨。
通过此次报告与交流，屹艮科技进一步巩固了在新能源·新材料领域AI智算赛道的领跑地位。未来，屹艮科技将继续秉持“简单计算，描绘未来”的使命，探索材料计算宇宙更广阔的星辰大海。
