新能源行业的技术开发过程并不‘新’，不管工具上还是开发流程上，都和传统做材料一样。以电池为例，其研发包括材料、电芯、模组、系统等多环节，但方法依然为“试错式”，即在反复试验修正中寻找开发方向，存在效率低、成本高等问题。相较之下，半导体行业已对类似问题有成熟解法，即电子设计自动化（EDA，Eletronic Design Automation），用软件完成芯片设计、生产验证等。

MattVerse是香港量子人工智能实验室旗下孵化项目，成员来自香港大学、中科大、加州理工学院等院校。CEO陈曙光为香港大学博士，具有10年以上量子力学方法及AI技术开发经验；CTO官向国拥有10年以上材料计算模拟经验，曾负责一线新能源企业电池材料研究，主导开发电化学仿真平台；董事长陈冠华为香港大学讲座教授、香港X科技创业平台联合创始人、香港量子人工智能实验室主任，拥有超30年量子力学研究经验。该团队曾成功开发出具有完全自主知识产权的半导体EDA软件并实现商业落地，对电子设计自动化工具关键技术、新能源产业需求等具有深入理解及丰富实战经验。

类比EDA，MattVerse开发针对新能源领域AI+多尺度仿真技术，意在实现电池设计自动化（BDA，Battery Design Automation），为电池产业链从研发设计到生产应用提供数字化解决方案，实现理解、预测并优化电池产品研发及设计流程。

在技术层面，为实现这一效果，MattVerse已掌握能够在微观尺度正确描述电化学过程的开放体系量子力学算法、基于机器学习的DFT交换相关泛函技术等核心技术。譬如材料环节。在传统研发方法下，材料需要经多重设计、合成及验证，其中设计存在随机性，且合成、测试时间长，研发效率低；当新研发材料进入实际生产时，还可能面临成本、良率等问题。在生物医药领域，已有利用AI技术加快靶点结构解析、预测，从而开发药物的尝试。

然而，新能源领域材料研发仍有其特殊性，除提高计算速度外，还需要确保材料性能预测精度。对此，MattVerse基于既有的物理模型认知，集中运用其AI能力，在完成量子力学计算基础上，利用机器学习校正计算产生的系统性误差，从而提高预测准确性。同时，团队还开发了嵌入物理底层的深度学习模型来解决目前量子力学计算不够准确的问题。

更进一步，在电芯环节，MattVerse运用其量子力学算法对电化学过程的描述能力，模拟电池的真正运行过程，将材料电导率、传热性等性质参数化描述，结合电池结构，组合成电芯级别的数字化仿真电池模型。

除了电化学模型，针对电池实际使用情况，MattVerse还整合了电池老化模型、热传导模型等算法，三者分别对应电池性能、电池生命周期、电池安全性等。同时，相较既有的多物理场模型软件的电池模块，MattVerse相关模型从电池底层开发，更具有针对性及效率优势。

电芯之上，MattVerse针对电池系统级别的仿真模型也有所规划，包括建立电池多维度健康评估体系等。同样利用物理模型的引入及机器学习方法，克服数据需求量大、通用性有限等难题，降低预测难度及成本。此外，基于既有的AI能力，MattVerse也可完成智能充电策略研究等衍生应用。

面向实际应用，MattVerse自孵化起，已与下游客户展开对接及合作，结合客户实际场景需求开发相应功能，现已积累大量电池材料及电芯测试数据。

商业模式及落地进展上，MattVerse可面向材料、电芯、系统等不同环节客户，按实际需求提供CRO或SaaS服务；同时，也将自主开发IP并推进商业化，直接对材料、器件等进行前导性研发。截至目前，MattVerse已有签约客户，多个项目亦在洽谈过程中。