湖南科技大学刘万强课题组与汪靖伦课题组合作,利用机器学习算法预测电解液溶剂分子的供体数(DN)和受体数(AN)。研究通过计算和筛选分子结构描述符,建立了基于决策树的CatBoost预测模型,显示出高准确性(DN的R2值为0.860,AN的R2值为0.966)。该方法不仅快速且成本低,还能有效帮助筛选和设计优质电解液溶剂,为电池电解液溶剂的筛选和设计提供了新的参数标准。研究成果发表在《Journal of Energy Chemistry》上,通过SHAP分析揭示了分子结构描述符对DN和AN的影响,为理解分子结构与性能关系提供了新视角。