华南师大邢丽丹/肖哲熙/ SES AI许康Chem：基于机器学习的电解质设计：加速下一代电池的发现与多维优化

本文系统综述了机器学习在下一代电池电解质设计中的前沿应用。研究背景指出，电解质设计面临化学空间广阔、性能指标复杂耦合等挑战。研究目的旨在通过机器学习方法加速电解质研发，涵盖分子层面优化、配方优化及电池寿命预测。结论表明，机器学习可高效预测溶剂、盐和添加剂的分子性质，发展可迁移力场以模拟真实电解质体系，并利用多目标优化实现配方平衡。同时，基于早期数据进行电池健康状态预测。文章还讨论了数据稀缺、多模态噪声、模型泛化性等挑战，并展望了与大语言模型结合的未来方向。