Green Energy & Environment分享 http://blog.sciencenet.cn/u/hyhe114

博文

[转载]亮点报导|南开大学周震教授课题组:非监督机器学习加速固态电解质发现

已有 378 次阅读 2020-1-17 16:48 |个人分类:Green Energy & Environment|系统分类:论文交流|文章来源:转载


锂离子电池中的传统有机电解液由于其易燃易挥发的缺点,容易引发安全问题。因此,开发设计具有较高室温锂离子电导率的固态电解质对于提升锂离子电池安全性具有重要意义。然而,在成千上万种材料中寻找合适的固态电解质是非常困难的。传统试错法仅在数种候选材料中研究改进,限制了固态电解质的发展。在更广阔的化学空间中寻找新型固态电解质变得十分重要。

机器学习可以用来挖掘复杂关系背后的统计规律,因此有望用来高效搜寻所需材料。其中监督学习需要足够的训练数据来训练模型,然而,已知固态电解质数据十分有限,并且由于实验误差,容易引入带有偏差的数据,这限制了监督学习在寻找固态电解质中的应用。为了解决这个问题,来自北美丰田研究所和马里兰大学的研究人员采用非监督学习的方法,将无机晶体结构数据(ICSD)中的含锂材料进行筛选和分类。该工作利用修饰后的XRD(mXRD)作为特征,利用聚类方法将具有高/低锂离子电导率的含锂材料成功分组。接着进一步用第一性原理深入研究处于高锂离子电导率组中的材料,最终提出Li8N2SeLi6KBiO6Li5P2N5等为具有超高锂离子电导率的新型固态电解质(Nat. Commun., 2019, 10, 5260)。此工作为非监督学习在新材料开发领域做出示范,有望推动新型固态电解质的发展。

南开大学周震教授对此工作进行了亮点报导,文章以“Unsupervised machine learning accelerates solid electrolyte discovery”为题,发表于Green Energy & Environment期刊,详见 DOI: 10.1016/j.gee.2019.12.003



通讯作者简介

周震 教授


周震,南开大学材料科学与工程学院教授、博士生导师,南开大学新能源材料化学研究所所长、新能源转化与存储交叉科学中心副主任,科睿唯安全球高被引科学家,H-index:79。主要研究兴趣是通过高性能计算与实验相结合设计纳米结构新能源材料及能源存储体系。Green Energy and Environment副主编、中国电子学会化学与物理电源技术分会第八届委员会委员。


本文转载自绿色能源与环境微信公众号 (gee-journal) :https://mp.weixin.qq.com/s/mdqovgIlx8T5N2aTl4DjhA




http://blog.sciencenet.cn/blog-3393673-1214644.html

上一篇:[转载]人物专访|GEE青年编委余彦教授
下一篇:[转载]GEE|优秀审稿人 & 高被引文章

1 孙长庆

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备14006957 )

GMT+8, 2020-2-18 23:12

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部