研 究 背 景

作为电池中的关键组件，电解质对电池整体性能发挥决定性作用。电解液、聚合物固态电解质和无机物固态电解质的新材料研发是电池领域的研究热点。 随着人工智能技术的发展和"AI for Science"的兴起，运用以机器学习为代表的数据驱动方法能有效地缩短材料研发周期。然而，在电解质研发领域，材料体系结构的复杂性和跨学科之间的知识壁垒，阻碍了这一领域的快速发展。因此，在深入理解机器学习和电解质研究领域基础原理的基础上，聚焦材料的特征生成与先进表示方法，并总结AI在电解质开发中的具体应用案例尤为必要。

成 果 介 绍

大连理工大学胡方圆教授团队在Carbon Energy上发表了综述论文“Machine Learning Paradigm for Advanced Battery Electrolyte Development”。该团队从应用导向出发，系统梳理了不同类型电解质的离子传输机制以及经典机器学习算法的基本原理，包括无监督学习、监督学习和强化学习，以及目前主流的深度学习和大语言模型等。随后，作者通过对当前材料结构表示方法的总结，构建了材料科学和计算机科学之间的桥梁。最后分别聚焦了电解液、聚合物固态和无机物固态电解质体系中机器学习研究范式的应用案例。作者总结了当前该交叉领域存在的科学问题和未来发展趋势，为不同学科背景研究人员开展交叉学科工作提供了思路。

图 文 解 析

图1  机器学习和电池电解质领域学术论文的增长趋势以及聚焦热点

2015-2025年，电池领域论文数量增长2倍，其中电解质论文增长4倍，说明当前电解质研究是电池领域的研究热点方向之一。与此同时，机器学习（ML）和电池交叉领域论文增长20倍，这一趋势凸显了电池研究中结合数据驱动方法的重要性。由关键词共现图可见，该交叉领域的研究主要以锂基体系为核心，聚焦在性能优化、电池界面、神经网络和理论计算等等领域。

图2  电解液，聚合物固态和无机物固态的主要性能雷达图和离子传输机制示意图

图3  机器学习的主要分类

图4  机器学习的代表性算法

图5  电解液中小分子的结构表示方法

图6  聚合物固态和无机物固态的结构表示方法

图7  机器学习实现电解液关键性能预测任务

图8  机器学习实现电解液知识发现

图9  机器学习加速分子虚拟筛选

图10  机器学习驱动的聚合物固态电解质材料研究

图11  机器学习驱动无机物固态电解质材料研究

研 究 小 结

电解质作为决定电池能量密度、倍率性能及循环寿命的基石，同时影响体相与界面处的离子输运特性。AI技术的引入有利于跨越传统经验试错与数据驱动理性设计之间的鸿沟。目前，ML主要通过可解释模型进行知识发现，以及利用黑箱模型实现高通量虚拟筛选，为新型电解质的创新提供指导。在这一新兴领域仍然面临以下4个层面的挑战：

1. 数据层面：相较于计算机视觉等领域，电池测试的数据获取成本极高，且文献中普遍存在只报道最优结果的偏置。因此，构建开源电解质数据库与标准化报告协议是保障模型可靠性的关键。

2. 编码层面：电解质是包含溶剂、盐及添加剂的复杂多组分体系。现有的表征框架难以全面捕获体系内的非线性协同效应与分子间相互作用。未来需开发兼顾整体性与精细化的表征框架，以实现更高效的模型训练。

3. 算法层面：纯数据驱动模型往往缺乏物理化学约束，易导致非物理预测且可解释性差。集成物理信息的机器学习是解决复杂分子相互作用与结构-性质关系建模难题的重要方向，但这高度依赖跨学科团队的深度协作。

4. 实验层面：通过将ML算法作为“大脑”，实验机器人作为“双手”，可实现新型电解质的闭环自主发现。通过引入主动学习循环，模型将能自主选择最具价值的实验样本，从而加速新材料发现进程。

作者简介

胡方圆，教授/博导，大连理工大学材料学院副院长。主要从事芳杂环高分子基电化学能源材料及器件构筑，探究其在锂/钠二次电池、固态电池、超级电容器中的应用基础研究。主持教育部中央高校青年教师科研创新能力支持项目、国家优青项目（结题优秀）等。担任辽宁省青年科技工作者协会发起人、中国宇航学会临近空间产业工作委员会委员、中国电工技术学会储能系统与装备专业委员会委员等；担任Int.J.Extreme Manuf.副主编，InfoMat、SusMat、Carbon Energy等学术期刊编委/青年编委。在能源材料领域和交叉学科期刊如J. Am. Chem. Soc.(封面)、Natl. Sci. Rev.、Nat. Commun.、Adv. Mater.、Energy Environ. Sci.(封面)、Angew. Chem. Int. Ed.(ESI高被引论文)等发表学术论文120余篇，授权国际/国内发明专利30余项，主编教育部高等学校材料类专业教学指导委员会规划教材1部。获中国首届“新时代青年先锋奖”、中国材料研究学会高分子材料与工程青年科技奖、大连市自然科学奖一等奖（排1）、辽宁青年科技奖、辽宁省“兴辽英才计划”、大连市杰出青年科技人才等荣誉。

苏畅，大连理工大学材料科学与工程学院博士研究生，研究方向为机器学习驱动的锂/钠电解质研究。在J.Am.Chem.Soc.、Adv.Mater.、Angew. Chem. Int. Ed.等期刊发表论文19篇。其中以第一作者在期刊Carbon Energy.、Angew. Chem. Int. Ed.（ESI高被引）和Chem. Eng. J.上发表论文3篇。

相关论文信息

论文原文在线发表于Carbon Energy，点击“阅读原文”查看论文。

论文标题：

Machine Learning Paradigm for Advanced Battery Electrolyte Development

文章研究方向：

电池— —机器学习

论文网址：

https://onlinelibrary.wiley.com/doi/10.1002/cey2.70244

DOI: 10.1002/cey2.70244

往期推荐

关于“Carbon Energy”

Carbon Energy

2-年影响因子 24.2

5-年影响因子 23

JCR分区 Q1

CiteScore 26.7

官网 www.carbonenergy.org

Carbon Energy（《碳能源（英文）》）由温州大学和Wiley携手创办，聚焦清洁能源、光电催化、新型碳制造、碳减排等领域，旨在成为国内外优秀科研成果展示的高端平台、国家重大科研战略的助推器和广大科研工作者喜爱阅读的科研工具，立志成为未来“碳时代”高影响力的学术旗舰期刊。期刊创刊主编为丽水学院校长、原温州大学副校长王舜教授。

Carbon Energy 2018年创刊，2019年入选中国科技期刊卓越行动计划“高起点新刊”，2020年获批国内统一连续出版物号，连续五年入选科技期刊世界影响力指数（WJCI）报告，连续四年入选“中国最具国际影响力学术期刊”和中国科学院材料科学1区Top期刊，连续两年入选“北京国际图书博览会中国精品期刊展”，相继被DOAJ、CAS、ESCI、Scopus、SCIE、INSPEC、CSCD、OAJ、中国科技核心期刊目录等收录，2024年入选中国高校科技期刊建设示范案例库杰出科技期刊入库案例和中国科技期刊卓越行动计划二期英文梯队期刊项目。2024年影响因子为24.2，在能源与燃料、纳米科技、物理化学三大领域位列全球期刊前八，材料科学（多学科）领域460本期刊中，位列14。在此基础上，孵化《碳中和（英文）》和《碳创新（英文）》子刊。

欢迎联系我们发布论文报道

carbonenergy@wzu.edu.cn

carbonenergy_ce@wzu.edu.cn

转载本文请联系原作者获取授权，同时请注明本文来自李娟科学网博客。

链接地址：https://wap.sciencenet.cn/blog-3424837-1537864.html?mobile=1

收藏

分享