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

来源：硅酸盐学报, 2023, 51(02): 488-498.

DOI：10.14062/j.issn.0454-5648.20220818

• 锂电池
• 固态电解质
• 机器学习
• 离子导率
• 分子动力学模拟

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。

• 单位
  清华大学