EES: 利用半监督学习识别潜在的固态锂离子导体
NavyLIu
2023-02-22
尽管科研工作者正在努力研究固态锂离子电池的高性能电解质，但仍有数千种潜在的含锂结构尚未开发。近日，加州理工学院Kimberly A. See采用半监督学习方法来加快超离子导体的识别。
本文要点：
1) 作者筛选了180个唯一描述符，并使用凝聚聚类来识别26 000个含Li结构。然后用实验离子电导率数据来标记簇，以评估描述符的适合性。通过检查包含最高电导率标记的簇，作者确定了212个极具潜力的结构，这些结构使用键价位能量和微调的弹性带计算进行了进一步筛选。
2) Li3BS3被鉴定为一种潜在的高导电材料，并被选择用于实验表征。通过缺陷工程，作者发现Li3BS3是一种室温离子电导率大于1×10−3 S cm−1的超离子导体。虽然半监督方法具有识别超离子导体的潜力，但结果表明，其仍然需要明确编码缺陷的描述符。
Forrest A. L. Laskowski et.al Identification of potential solid-state Li-ion conductors with semi-supervised learning EES 2023
DOI: 10.1039/D2EE03499A
https://doi.org/10.1039/D2EE03499A
版权声明：
本平台根据相关科技期刊文献、教材以及网站编译整理的内容，仅用于对相关科学作品的介绍、评论以及课堂教学或科学研究，不得作为商业用途。
