清屿科技EvoSim自进化AI建模 电池精度超人类专家

时间：2026年10月31日（机器之心报道日）；论文 arXiv v1 于 2026 年 10 月 8 日提交，清屿科技官网把该成果列在 2026 年 10 月研究条目下。 地点：中国北京（清屿科技总部）、北京怀柔实验室，以及清华大学相关团队。 人物：清屿科技（Tsingyuai tech）研究团队，论文作者 Yun-Wei Song、Jinkai Tao、Jun-Dong Zhang、Rui Zhang、Yi-Min Wu、Qiang Zhang。 事件详情：清屿科技与北京怀柔实验室、清华大学等团队合作的自进化 AI 科学家 EvoSim 公开，论文题为《EvoSim: Learning to Model, Modeling to Learn》，发布在 arXiv（编号 2610.11344，cs.AI 与 cs.CE，归档 43 页、6 图）。它的定位是物理建模的 AI 科学家：用实验偏差驱动机理与方程的修订，再用留出的实验数据检验物理合理性，过程中的探索轨迹会同步更新知识、技能和多智能体编排。作者把系统拆成两个闭环，上层是模型演化闭环，走「提出假设→计算建模→验证」并对每个候选做三项检查，预定方程与状态确实生效、求解器能给出有限输出、预测与实验一致，下层是科学演化环节，同时复盘成功与失败的尝试，只把被验证有效的修正沉淀为可复用流程，因此被否决的模型也能教会系统怎么查问题。在两个工业级电池建模任务上，EvoSim 从 25 至 45 摄氏度、2C 至 6C 区间预测锂金属析出起始点，留出六种工况下荷电状态量的平均绝对误差为 1.79%；车辆工况下的动态电压预测均方根误差为 7.62 毫伏，论文称这一精度超过了人类专家构建模型的已报告水平。论文另给出一组对照实验，在一条 30 摄氏度动态应力测试轨迹上修复四状态电池模型，仅有可复用流程的条件下第二次尝试就取得 22.015 毫伏的有效均方根误差，而无记录基线与按时间顺序摘要的基线在前三次尝试内分别为 89.478 毫伏与 89.383 毫伏，且在十二次尝试内都没有改进。在 11 个建模任务的 45 组配对实验中，模型与物理机理失败从基线的 33 次降到 21 次，相对下降约 36%，主动执行时间下降 42.6%。 背景：物理模型是连接科学解释与定量预测的环节，但搭一个像样的模型往往要人决定选哪些物理过程、定义哪些状态与控制方程、参数怎么从实验里识别出来，这些结构层面的决策过去很难交给自动化系统。EvoSim 想让模型本身和方法本身都可被修订：与实验不一致的地方不只是用来改参数，也能反过来改方程；一次失败的研究不只是废掉，还能变成下次可调用的程序。清屿科技把这家公司定位为化学与材料领域的 AI 科学家，让 AI 从真实实验中建立可验证、可进化的材料世界模型，公司官网显示除 EvoSim 外还有面向科学计算的科研 Agent Scientify，以及 2026 年 5 月落地清华大学的化工教学智能体；同一团队的另一篇工作《Continuous Knowledge Metabolism》被 ICML 2026 AI4Research Workshop 录用。 影响：EvoSim 展示的是一条与主流路线不同的路径，不是让模型直接预测数据，而是让模型去决定物理模型该长什么样，并用实验去反复改自己。对电池这类工艺参数直接影响成本与安全的行业，析锂起始点预测误差 1.79% 和车辆工况电压误差 7.62 毫伏意味着模型有机会进入充电策略与热管理环节；对 AI for Science 领域，它提示衡量智能体不该只看一次答题的准确率，还要看它能否把失败沉淀成方法论。不过论文自己也划了边界：析锂结果是 20 组工况矩阵中留出 6 组的测试，并非在全部工况与化学体系上成立，其速率相关的不可逆分数是一种有效但有界的模型闭合。 总结：EvoSim 把「AI 建模」的瓶颈重新定义了一遍，瓶颈不在拟合，而在结构决策。研究用实验偏差同时驱动模型演化与方法演化，用留出实验检验物理合理性，在工业级电池任务上把析锂起始点误差压到 1.79%、车辆工况电压误差压到 7.62 毫伏，并让配对实验中的失败次数相对下降约 36%。它更像是把实验室的试错流程写成了可执行程序，而不是一次性的预测模型。对读者而言，这篇论文值得关注的地方是它把「模型错了怎么办」当成一等问题，而这正是材料与化学领域落地 AI 时最先撞上的墙。 参考来源： arXiv 论文页：EvoSim: Learning to Model, Modeling to Learn（arXiv:2610.11344） https://arxiv.org/abs/2610.11344 arXiv 论文 HTML 全文与实验细节 https://arxiv.org/html/2610.11344v1 alphaXiv 论文解读：架构双闭环、对照实验与统计显著性 https://www.alphaxiv.org/abs/2610.11344 清屿科技官网：EvoSim 研究与产品页面、团队定位与其它成果 https://tsingyuai.com/zh.html EvoSim 官方产品页：材料 AI 科学家 https://evosim.tsingyuai.com 机器之心：AI如何解析物理世界？清华联合清屿科技等团队推出自进化多物理场建模系统 EvoSim https://www.jiqizhixin.com/articles/2026-10-31-8 清屿科技 GitHub 组织页：开源仓库与项目列表 https://github.com/tsingyuai 豆包 arXiv 论文镜像：EvoSim 全文与元数据 https://paper.dou.ac/p/2610.11344v1