据外媒报道，韩国科学技术院（KAIST）与韩国电子与电信研究所（ETRI）和美国德雷塞尔大学（Drexel University）合作，开发出了一种利用卷积神经网络（CNN）预测NCM正极材料主要元素组成和充放电状态的方法，准确率高达99.6%。该方法采用图像识别技术，仅通过检查电池的表面形貌，就能利用人工智能学习准确确定电池的元素组成和充放电次数。相关论文发表在期刊《npj Computational Materials》上。

研究团队指出，虽然扫描电子显微镜（SEM）在半导体制造中用于检查晶圆缺陷，但它很少用于电池检查。SEM仅在研究现场用于电池分析颗粒大小，并且在电池材料劣化的情况下，从破碎的颗粒和破损形状来预测可靠性。

研究团队认为，如果可以在电池生产过程中像在半导体制造中一样使用自动化SEM检查正极材料的表面，以确定其是否按照所需的成分合成，并且使用寿命可靠，从而降低缺陷率，这一举措将具有开创性。