孚能科技： 该技术已深度应用于公司的研发体系，可大幅缩短公司半固态、全固态电池等下一代产品的研发周期，降低研发试错成本与能耗
来源：
同花顺iNews
同花顺（300033）金融研究中心03月13日讯，有投资者向孚能科技提问， 孚能科技研发副总裁姜蔚然与密歇根大学安娜堡分校教授宋子由合作领衔，在国际顶级学术期刊《Nature》发表题为“Discovery Learning predicts battery cycle life from minimal experiments”的研究论文。是不是全国领先应用固态电池研究场景应用AI？是不是能加快孚能科技在固态电池的研究进度并降低研究成本和时间，更好把固态电池产业化？
公司回答表示，尊敬的投资者您好，该技术相较传统工业级电池寿命验证流程，可大幅节省评估时间与能耗，显著缩短验证周期、降低能源消耗，摆脱对大量实验数据和原型制作的依赖，有效缩减时间与研发成本。 该技术已深度应用于公司的研发体系，可大幅缩短公司半固态、全固态电池等下一代产品的研发周期，降低研发试错成本与能耗，加快技术迭代与产业化落地节奏，同时能助力公司优化量产产品的寿命设计与性能稳定性，提升公司产品的核心竞争力。感谢您的关注！
0人
