大连理工大学胡方圆：机器学习加速先进电池电解质研发

本文是大连理工大学胡方圆教授课题组的综述论文，系统梳理了机器学习在先进电池电解质研发中的应用。背景：电解质是二次电池的关键组件，其传统开发依赖经验试错和理论计算，效率较低。研究目的：综述机器学习驱动的电解质研究方法，涵盖电解液、聚合物及无机物固态电解质，探讨从离子迁移机制、结构表示到性能预测和知识发现的整条技术路线。结论：机器学习通过无监督学习、监督学习和强化学习，在电解质性质预测、分子虚拟筛选、新材料发现中展现出显著加速作用；但仍面临数据孤岛、组分编码复杂、模型可解释性不足等挑战，未来需推动知识-数据双驱动模型、标准化数据集和闭环自动化实验室的建设。