高鎳正極和鋰金屬負極等電極材料對高比能鋰電池性能至關重要，而機器學習晶體描述符可以用數(shù)字化的方式準確描述這些材料的結(jié)構(gòu)與性質(zhì)，使得研究人員可以使用機器學習幫助探究它們的微觀行為和失效機制。基于北京大學深圳研究生院鄭家新副教授團隊近年來在高比能鋰電池電極材料的機器學習性質(zhì)預測與勢場擬合等方面的工作，該團隊受邀在Journal of Materials Informatics期刊（于2021年4月由OAE Publishing Inc. 正式創(chuàng)刊，由中國科學院院士、香港工程科學院院士、上海大學材料基因研究院院長張統(tǒng)一教授擔任創(chuàng)刊主編）發(fā)表題為” Machine learning descriptors for crystal materials: applications in Ni-rich layered cathode and lithium anode materials for high-energy-density lithium batteries”的綜述文章，對機器學習晶體描述符應用于高比能鋰電池中的高鎳正極與鋰金屬負極材料研發(fā)進行系統(tǒng)總結(jié)與展望。
圖1 用于高比能鋰電池材料的ML晶體描述符。將晶體結(jié)構(gòu)轉(zhuǎn)換為數(shù)字化的晶體描述符，作為ML模型的輸入；ML輸出的性質(zhì)預測、模擬計算、晶體生成等結(jié)果可以作為新一輪的晶體結(jié)構(gòu)與性質(zhì)輸入，加速ML設計材料的迭代過程。
該工作在鄭家新副教授和博士后葉耀坤的共同指導下完成，學院博士生張瑞琪為文章的第一作者，鄭家新、葉耀坤為共同通訊作者。DOI: 10.20517/jmi.2024.22
該研究得到了國家自然科學基金、深圳市科技研究基金的支持。綜述中部分相關工作見https://web.pkusz.edu.cn/zhengjiaxin/research/。
