数据驱动储能电池新材料的筛选和设计

张奇,彭超,薛冬峰 （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