华东师范大学潘丽坤/暨南大学黎晋良/泰山学院玄晓阳ESM综述：机器学习加速锂离子电池电极材料和电解质的发现与设计

文章预览

▲共同第一作者：许广胜，蒋铭熙 共同通讯作者：潘丽坤*，黎晋良*，玄晓阳* 通讯单位：华东师范大学，暨南大学，泰山学院 论文DOI：10.1016/j.ensm.2024.103710  （点击文末「阅读原文」，直达链接）     全文速览 综述了近年来ML方法在锂离子电池电极和电解质材料设计和发现的最新进展。通过总结 ML 在锂离子电池正/负极和液/固态电解质材料的设计、性能预测和成分优化方面的最新研究现状，展示了ML在储能电池设计领域的良好应用前景，分析了ML在电池材料领域应用中的不足和挑战，并展望了未来的发展方向。     背景介绍 锂离子电池因其优异的能量密度、循环寿命和相对低廉的成本，被广泛应用于电动汽车和移动设备中。当前，设计新型电池材料以提升电池性能是热门研究领域。然而，传统的材料研究方法耗时耗力，且无法有效揭示电池性能 ………………………………