本文中的发现表明，智能处理单元（IPU）为Ma-Chine Learning（ML）应用提供了可行的加速器替代方案，该应用程序（ML）应用程序材料和电池研究领域内。我们调查了将模型从GPU迁移到IPU的过程，并探索了几种优化技术，包括管道和梯度积累，旨在增强基于IPU的模型的性能。此外，我们已经有效地将专业模型迁移到了IPU平台。该模型用于预测有效的电导率，这是离子传输过程中至关重要的参数，该参数控制了电池的多电荷和放电周期的性能。该模型利用卷积神经网络（CNN）档案执行预测任务以实现有效的电导率。该模型在IPU上的性能与其在GPU上的执行相当。我们还分析了GraphCore的Bow IPU的利用率和表现。通过基准测试，与其前身Colossus IPU相比，我们观察到Bow IPU的性能显着提高。