化学进展

作者：刘振东, 潘嘉杰, 刘全兵

单位：1.广州市清洁交通能源重点实验室 广东省植物资源生物炼制重点实验室 广东工业大学轻工化工学院 广州 510006,2.化学与精细化工广东省实验室揭阳分中心 揭阳 515200

关键词：锂电池,机器学习,材料筛选,材料设计,性能预测

基金：广东省重点领域研发计划(2020B090919005),国家自然科学基金(22179025),国家自然科学基金(21905056),国家自然科学基金(21975056)

随着大数据和人工智能的发展以及机器学习(ML)与化学学科领域的交叉,ML技术与电池领域的结合激发了更有前途的电池开发方法,尤其在电池材料设计、性能预测、结构优化等方面的应用愈加广泛。应用ML可以有效地加速电池材料的筛选进程并预测锂电池(LBs)的性能,从而推动LBs的发展。本文简要介绍了ML的基本思想及其在LBs领域中几种重要的ML算法,之后讨论了传统模拟计算方法与ML方法各自的误差表现及分析,借此来提高LBs专家对ML方法的理解。其次,重点介绍了ML在电池材料实际开发中的应用,包括正极材料、电解质、材料多尺度模拟及高通量实验(HTE)等方面,借此介绍ML方法在电池领域应用的思想和手段。最后,总结了ML方法在锂电池领域中的研究现状并展望了其应用前景。本综述旨在阐明ML在LBs开发中的应用,并为先进LBs的研究提供借鉴。

来源：2023年第4期

《化学进展》期刊编辑部

查看化学进展杂志2023年第4期