新生档案
高宇辰，清华大学五道口金融学院科技成果转化专业人才奖学金项目四期班学员。本科拥有化工与计算机双学位背景，现为清华大学化工系博士生，师从张强教授。从事人工智能与高能量密度电池交叉研究，主持国家自然科学基金博士生项目，以第一作者在J. Am. Chem. Soc., Angew. Chem. Int. Ed., Adv. Mater., Chem. Soc. Rev.等期刊发表论文。曾获中国颗粒学会自然科学一等奖、中国国际大学生创新大赛清华产业赛道首金、国家奖学金、清华大数据研究中心特等奖、首届清华-远景“碳元奖”等荣誉。
秋风吹过道口小院
一段崭新的故事
就此开启
我的成长
始终围绕两个关键词
人工智能 × 电池
前者重塑人类认知世界的方式
后者划定未来能源发展的边界
而我想做的
是推动二者真正相融共生
人工智能 × 电池：我的博士研究从这里开始
博士阶段
我的研究扎根于
人工智能与高能量密度电池的交叉领域
一边是快速进化的人工智能
一边是不断突破边界的新能源技术
电池研发面对着
巨大的材料与分子空间
依靠传统试错手段
越来越难以穷尽其中的可能性
而人工智能
恰恰提供了一种新的路径
从海量数据和科学知识中寻找规律
加速材料发现与电池设计
与此同时
当人工智能从数字世界
走向机器人、智能终端和真实场景
更高效、更可靠的能源系统
也成为支撑智能化未来的重要基础
AI正在重新定义电池的研发方式
电池也在支撑AI走向更广阔的现实世界
这让我开始思考：
能不能让人工智能
真正理解材料、数据与科学知识
参与下一代电池的设计
推动电池研发
从经验试错
走向更加智能的发现？
图为高宇辰参加清华创客日分享活动
“算电池”：从算得更准，到算得更懂
研究初期
我们希望让AI“算得更准”
持续构建大规模电池数据体系
创造包含25万余种分子的电池数据库
结合模拟计算与机器学习
在巨大的化学空间中
寻找更有潜力的材料
但随着研究不断深入
我逐渐意识到
数据量大
并不意味着AI真正理解科学
研究者做判断时
不仅依赖数据
还要大量阅读文献
理解已有知识
比较不同证据
再形成新的判断
于是
我们的研究
从单纯的数据驱动
升级为知识与数据双轮驱动
尝试将科学原理
真正嵌入人工智能模型
让AI不仅回答
“什么材料可能更好”
还能够理解
“为什么它可能更好”
从“算得准”
到“算得懂”
也成为我探索
AI赋能电池研发的重要一步
“造电池”：让AI走进全自主智能实验室
倘若人工智能
始终只运行在计算机之内
距离真正改变电池研发
仍然差最后一步
于是
我们的研究继续走向
全自主实验室
让人工智能读取知识、分析数据
提出新的材料与研发方案
再与智能化设备连接
完成验证
新的结果重新反馈给模型
再进入下一轮学习和设计
形成持续迭代的科研闭环
这也是我眼中
AI与电池真正结合后
最令人期待的未来：
AI不仅帮助我们“算电池”
还开始参与“造电池”
图为高宇辰从事电池智能实验室研发
走出实验室：技术最优≠产业最优
随着研究不断向现实靠近
我的问题也开始变化
科研里
我们关注能量密度、材料性能、模型准确率
但走进企业之后
大家问的是：
成本是多少？
能不能规模化？
客户为什么愿意付费？
性能提高20%究竟能创造多少价值？
博士期间
我开始参与科技成果转化与创业实践
走进企业和产业现场
和工程师、客户、企业负责人
以及投资人交流
我逐渐意识到
实验室寻找的是性能的边界
产业寻找的是约束条件下的最优解
一项技术
距离真正成为产品
中间不仅隔着工程化的鸿沟
还有市场、组织与资本的壁垒
好的科研回答“能不能”
而产业最终还要回答
“值不值得”
图为高宇辰（右四）参加中国国际大学生创新大赛
五道口：寻找技术之外的答案
这些问题
最终把我带到了五道口
过去的训练
让我习惯从技术出发
理解材料
算法和模型
但真正参与成果转化后
我越来越清楚地看到
自己的知识边界
一项新技术
应该何时走向市场？
科研、产业和金融
又应该如何形成真正有效的连接？
我开始意识到
科技创新不仅是技术问题
也是资源配置问题
图为高宇辰（左七）参加清华五道口技术转移26大家庭新生活动
所以来到五道口
对我而言
不是一次“换赛道”
而是沿着同一个问题继续向前
过去
我更多思考的是
怎样把技术做出来
未来
我还希望理解
如何让真正有价值的技术走得更远
从人工智能到电池计算
从“算电池”到“造电池”
再从科研走向产业
看似跨越了很多领域
其实始终指向同一个问题：
让知识沉淀为技术
让技术转化为产品
让真正有价值的创新
落地现实、服务社会
