电解质
离子
离子运输机
计算机科学
纳米技术
材料科学
化学
电极
物理化学
有机化学
作者
Jiantie Xu,Xizhuo Chen,Yuepeng Pang,Shiyou Zheng
出处
期刊:Kexue tongbao
[Science China Press]
日期:2025-07-31
卷期号:71 (10): 2092-2103
被引量:1
标识
DOI:10.1360/csb-2025-0249
摘要
离子电导率是固体电解质的关键指标,涉及材料结构的对称性、空隙率、化学键等众多参数。因此,新型固体电解质的开发存在着实验试错成本高,理论计算难度大等问题。新兴的机器学习方法通过对大量数据的分析,能够挖掘出深层构效关系,可为固体电解质的设计提供新思路。本文综述了机器学习在固体电解质离子输运机制研究领域的应用成果,首先介绍了固体电解质的典型材料体系及已知构效关系,重点分析了不同体系离子输运机制的异同点;随后简述了机器学习赋能材料科学研究的范式,包括主要算法、材料数据库、结构描述符等;最后总结了机器学习在固体电解质设计中的应用,主要从实验数据驱动和理论计算驱动这两个方面展开分析。本文有助于推动固体电解质和机器学习的交叉融合研究。
科研通智能强力驱动
Strongly Powered by AbleSci AI