基于大数据的电池新材料设计

固态电池是极具潜力的下一代储能器件之一,寻找综合性能优异的电池材料有望从根本上提升电池的性能。本文围绕固态电池中离子传输、表面/界面现象以及微观结构动态演化等关键科学问题,介绍了基于多精度传递思想的高通量材料筛选策略,以及机器学习技术在加速模拟复杂物理化学过程、解析电池内部复杂构效关系的突出作用。受益于多精度传递思想和机器学习技术的应用,可以从直接筛选、元素替换、结构单元搭建、非晶结构构建等多个角度高效获得快离子导体材料,多维度解析离子传输性能与微观机制,极大丰富了电极材料、固态电解质材料等候选范围。此外,针对电池材料研发流程的云工具箱提供了数据归档、分析及复用等多项功能,旨在使得借助大数据和人工智能的材料研发流程更为自动化。本文介绍的基于大数据的研究思路和研究模式,结合新兴的机器学习技术,能够有效加速新型电池材料的设计和开发进程,深化对电池内部复杂物理化学现象的理解,为设计实用的新型固态电池材料赋能。