近日，我校化学化工学院绿色能源材料团队李进博士在期刊Advanced Energy Materials上发表了题为《Machine Learning-Assisted Property Prediction of Solid-State Electrolyte》的研究论文。

机器学习(ML)在预测固态电解质(SSE)的性质方面显示出巨大潜力。通过整合实验和ML框架内模拟数据，加速发现和开发SSE，最终促进其在储能领域的应用。该综述首先介绍了SSE的背景，包括其定义、分类、内在的物理/化学性质，控制它们导电性的潜在机制、挑战和未来发展方向。详细解释了ML的方法及其在SSE方面的应用。随后，总结了影响SSE性能的关键因素，包括热膨胀、模量、扩散率、离子电导率、反应能、迁移势垒、带隙和活化能等。最后，提出了关于未来一代SSE设计的观点，包括实时性能预测、多性能优化、多尺度建模、迁移学习、自动化和高通量实验以及全电池的协同优化，这些都对加速SSE的进展至关重要。本项工作旨在指导新型SSE材料的设计和优化，以实现能量存储技术中高效可靠的SSE的开发。

论文通讯作者为刘献明教授。洛阳师范学院为该论文第一完成单位和通讯单位。该论文的工作得到了国家自然科学基金、河南省自然科学基金等项目的资助。

《Advanced Energy Materials》创刊于2011年，由WILEY-V C H VERLAG GMBH出版商出版。该刊发文范围涵盖物理化学等领域，旨在及时、准确、全面地报道国内外物理化学工作者在该领域的科学研究等工作中取得的经验、科研成果、技术革新、学术动态等。在中科院JCR最新升级版分区表中，该刊分区信息为大类学科工程技术1区，中科院一区top期刊，最新影响因子为27.8。

论文链接：https://doi.org/10.1002/aenm.202304480