北京
離子電導率是固體電解質的關鍵指標，涉及材料結構的對稱性、空隙率、化學鍵等眾多參數。因此，新型固體電解質的開發存在著實驗試錯成本高，理論計算難度大等問題。
新興的機器學習方法通過對大量數據的分析，能夠挖掘出深層構效關系，可為固體電解質的設計提供新思路。
上海理工大學材料與化學學院龐越鵬、鄭時有教授團隊基于固體電解質晶體結構及其離子輸運機制，結合機器學習技術在固體電解質研究中的典型應用，著重探討了數據驅動的材料數據庫構建與預測模型開發、理論計算數據與機器學習的深度融合、跨材料體系的通用性與可擴展性驗證，最后展望機器學習在固體電解質研究中的未來發展方向。
圖文導讀
圖 1 聚合物固體電解質(a) 離子遷移示意圖和(b) 離子配位環境示意圖
圖2 機器學習的兩個核心組成：算法與描述符. (a) 機器學習算法使用示意圖; (b) 描述符庫構建流程示意圖
圖3 機器學習在固體電解質研究中的范式與應用. (a) 機器學習在固體電解質設計中的工作流程; (b) 基于勢函數建模的固體電解質結構與離子遷移開發流程圖
文章信息
徐靖卓, 陳熙卓, 龐越鵬, 鄭時有. 機器學習輔助的固體電解質離子輸運機制研究進展. 科學通報, 2026, 71(10): 2092–2103
Xu J, Chen X, Pang Y, Zheng S. Ion transport mechanisms in solid electrolytes assisted by machine learning (in Chinese). Chin Sci Bull, 2026, 71(10): 2092–2103, doi: 10.1360/CSB-2025-0249
https://doi.org/10.1360/CSB-2025-0249
《科學通報》是中國科學院主管、中國科學院和國家自然科學基金委員會共同主辦的綜合性中文學術期刊，致力于快速報道自然科學各學科基礎理論和應用研究的最新研究動態、消息、進展, 點評研究動態和學科發展趨勢。
旬刊，每10天出版1期；
欄目：進展、評述、快訊、論文、觀點、科技前沿、科學訪談、亮點述評、悅讀科學等；
中國科學院文獻情報中心分區表綜合性大類1區TOP期刊；
中國科技期刊卓越行動計劃領軍期刊；
《中國科技論文與引文數據庫》和《中國科學引文數據庫》的源期刊，同時被EI、ESCI和Scopus等收錄；
期刊官網：http://csb.scichina.com.
轉載、投稿請留言
| 關注科學通報 | 了解科學前沿
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
