机器学习在锂电池固态电解质研究中的应用

作者：陈翔 富忠恒 高宇辰 张强

单位：清华大学化学工程系绿色反应工程与工艺北京市重点实验室

关键词：锂电池  固态电解质  机器学习  离子导率  分子动力学模拟

分类号：

出版年,卷(期):页码：2023,51(2):488-498

DOI：10.14062/j.issn.0454-5648.20220818

摘要：

固态锂电池因其具有高能量密度等优势，被认为是最具潜力的下一代电池技术之一。固态锂电池的诸多优势源于其中固态电解质材料的使用。机器学习方法的兴起为锂电池固态电解质研究提供了新的机遇。机器学习可以拓展传统理论模拟方法在固态电池研究中的应用边界，推动高精度、跨尺度模拟方法的发展；预测固态电解质离子导率、力学性质等关键指标，在原子层面理解固态电解质的构效关系，实现高性能固态电解质的高通量筛选；辅助固态电池实验研究，指导新型固态电解质合成，深入定量解析固态电池谱学表征。因此，机器学习方法的引入及其与理论模拟、实验之间的深度耦合将极大地推动固态电解质研究，促进固态锂电池的实用化进程。

基金项目：

国家重点研发计划(2021YFB2500300)； 国家自然科学基金项目(21825501,22109086)； 中国博士后科学基金(2021TQ0161,2021M691709)； 中国科协青年人才托举工程(2021QNRC001)；

作者简介：

参考文献：

服务与反馈：

【文章下载】【加入收藏】