一、团队介绍
新能源新材料行业大模型研究中心由浙江大学孵化的科技型企业箴羲科技核心力量组建而成，成立于 2023年，现有团队成员50人，核心成员主要来自浙江大学，硕博研究生比例高达80%-90%以上，是一支具备极高学术与科研素养的高水平、专业化研发队伍；团队长期聚焦于核能及新能源行业的人工智能技术开发与应用，致力于提供智能化运维管理解决方案。
二、研究方向
1. 核心优势巩固：核能垂直领域深度智能化
利用团队已有的“锦书”大模型及核工业软著基础，构建行业壁垒。
• 多模态知识库构建： 整合文档清洗与工程图纸视觉识别技术，研发支持复杂图文查询的核工业专用问答系统,。
• AR智能运维辅助： 结合嵌入式开发经验，将大模型能力部署至AR设备，为一线人员提供实时故障诊断与数字流程指引。
2. 业务横向拓展：泛电力行业预测与调度
基于大模型在电厂与电网领域的成熟应用场景，将技术从核能向风、光、火电延伸。
• 设备预测性维护（PHM）： 利用时间序列与图神经网络，对燃气轮机、风机等关键设备进行故障预警，降低非计划停运。
• 功率预测与负荷响应： 针对新能源波动性，研发超短期功率预测模型，并支持虚拟电厂（VPP）的需求侧响应管理。
3. 前沿技术布局：AI驱动新材料研发 (AI for Science)
响应“新材料”中心定位，利用AI缩短研发周期。
• 材料知识挖掘： 自动解析海量文献与专利，构建材料属性与合成路径的知识图谱，辅助科研假设生成。
• 逆向设计与筛选： 结合物理机制模型（DFT），针对高能量密度电池、光伏等特定需求，进行新材料结构的虚拟生成与高通量筛选。
4. 战略融合方向：“能源-材料”一体化协同
面向未来高阶形态，建立跨学科竞争优势。
• 协同研发平台： 构建“能源系统+新材料”融合模型，研究新材料（如新型储能介质）微观性能突破对宏观能源系统效率的提升机制，打造产学研协同创新高地。
三、主要成果
• 行业大模型： 推出了自主开发的“锦书”能源行业大语言模型，这是团队的核心技术底座。
4.各类生产运维领域的AI应用产品。
科研项目与产业化业绩（工程落地）
团队作为“工程型”研究中心的主体，已成功承接并完成了一系列核能行业的AI技术应用项目，实现了技术研发与产业化的紧密结合。主要代表性项目包括：
• 知识库建设： 三门核电专有知识库规划与搭建科研项目。
• 智能运维与流程： 核电数字流程图智能应用开发项目。
• AR与嵌入式开发： 核工业AR设备大语言模型嵌入式开发，以及配套的数据集开发。
• 数据工程： 反应堆棒控棒位系统训练数据集制作服务、核工业大语言模型数据清洗与服务。
四、应用场景
1.核能运维智能化
• 智能知识库问答与检索： 针对核电厂海量的技术文档、规程和标准，构建专有知识库。场景包括辅助技术人员快速检索复杂工程数据、查询运维规程，解决“数据孤岛”问题（如三门核电专有知识库项目）。
• AR智能辅助运维： 将大语言模型能力嵌入AR（增强现实）设备。一线运维人员佩戴AR眼镜时，后台模型可实时识别设备状态，提供故障诊断建议或可视化操作指引，实现“人机协同”作业。
• 工程图纸智能解析： 利用AI视觉模型自动识别和解析复杂的核工业工程图纸，提取关键参数与结构信息，用于数字化存档或辅助设计审查。
• 数字流程图智能导引： 在核电操作流程中，将传统的纸质或静态电子规程转化为智能化的数字流程图，引导操作员按标准步骤执行，降低人为失误风险。
2.泛电力系统优化
• 设备预测性维护 (PHM)： 应用于燃气轮机、风机、光伏逆变器等关键设备。通过分析振动、温度等传感器数据，提前识别设备劣化趋势，从“定期检修”转变为“按需维护”，减少非计划停机。
• 智能巡检与缺陷识别： 利用计算机视觉技术，处理无人机或机器人巡检传回的图像。场景包括自动识别输电线路的绝缘子破损、通道树木隐患，以及变电站设备的红外热缺陷诊断。
• 虚拟电厂 (VPP) 与负荷响应： 在电网侧，利用大模型预测超短期负荷变化，通过分析用户行为，协调分布式电源（如屋顶光伏、储能）参与电网削峰填谷，优化电力调度。
3.AI驱动新材料研发
• 文献挖掘与假设生成： 自动阅读海量材料学论文和专利，构建材料属性知识图谱。场景包括帮助科研人员快速生成文献综述，或发现跨领域的潜在材料新组合。
• 材料逆向设计与筛选： 针对特定需求（如高能量密度电池电解质、高效光伏材料），利用AI模型生成候选分子结构，并进行高通量虚拟筛选，大幅减少实验室试错成本。
• 自动化实验闭环： 未来将探索AI与自动化实验平台联动，模型根据上一轮实验结果自动调整参数，驱动机器人完成材料合成与配方优化。
