天津大学杨春鹏/王旗龙、化学所郭玉国JACS：AI辅助挖掘金属有机框架固态电解质
计算材料学
2025-11-07 08:08
文章摘要
本文研究背景为人工智能在材料科学中的应用日益广泛，特别是大语言模型和机器学习在加速新材料发现方面的潜力。金属有机框架（MOF）作为新兴固态电解质材料，虽在锂金属电池中展现出前景，但其设计仍缺乏系统指导。研究目的是通过结合大语言模型与表示聚类技术，构建MOF固态电解质数据库，并挖掘潜在高性能材料。最终结论表明，该AI框架成功识别出NOTT-400等候选材料，实验验证其锂离子电导率达3.1×10−4 S cm−1，电化学窗口为4.79V，证实了方法的有效性和普适性，为人工智能辅助电池材料开发提供了新范式。
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿，本站转载出于非商业性的教育和科研之目的，并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题，请作者速来电或来函联系。
京公网安备 11010802042870号
京ICP备2023020795号-1
