数据驱动储能电池新材料的筛选和设计 |
| |
引用本文: | 张奇,彭超,薛冬峰.数据驱动储能电池新材料的筛选和设计[J].中国科学:信息科学,2024(4):584-600. |
| |
作者姓名: | 张奇 彭超 薛冬峰 |
| |
作者单位: | 中国科学院深圳先进技术研究院多尺度晶体材料研究中心 |
| |
摘 要: | 数据驱动新材料产业发展是第四研究范式促进材料创新,加快材料应用的多学科多领域交叉融合的技术热点.机器学习(machine learning, ML)作为一种重要的数据驱动方法,其结合第一性原理计算在材料科学、化学、物理学和计算机等跨学科领域展现出巨大的优势,为储能电池新材料的快速发展带来了新的机遇.为帮助研究人员了解这一新兴领域,本文系统地详述了高通量计算筛选和ML在储能电池材料研究中的最新进展,概括和总结了目前国内外应用较为广泛的在线材料数据库,举例介绍了新数据库的多层次构建,分析了目前数据采集方面的一些难点.论文进一步介绍了ML方法在高通量计算筛选、材料性质预测、材料结构与电化学性能构效关系研究和材料设计方面的应用实例,最后分析讨论了当前ML在储能电池领域面临的一些挑战,并展望了该领域的前沿研究.
|
关 键 词: | ML 储能电池 高通量计算筛选 |
|
|