液体电解质配方的统一预测与生成方法
材料科学
2025-10-13 v4
摘要
液体电解质是下一代能源存储系统的关键组件，能够实现快速离子传输、最小化界面电阻，并确保长期电池性能的电化学稳定性。然而，测量电解质属性和设计配方仍然在实验和计算上代价高昂。本文提出了一种统一的框架用于液体电解质配方设计，将前向预测模型与逆向生成方法相结合。我们利用来自文献和大规模分子模拟的计算与实验数据，训练了一个能够准确估计电解质属性（从离子导电性到溶剂结构）的预测模型。我们的物理信息驱动的架构保持置换不变性，并纳入温度和盐浓度的经验依赖关系，适用于跨分子混合物的属性预测任务。此外，我们引入了（据我们所知）首个用于分子混合物设计的生成式机器学习框架，已在电解质系统中实现。该框架支持多条件约束生成，解决材料设计中固有的多目标问题。作为概念验证，我们实验性地识别出三种具有高离子导电性和阴离子浓度溶剂结构的液体电解质。该统一框架推动了数据驱动的电解质设计，可轻易扩展到电解质之外的其他复杂化学系统。
引用
@article{arxiv.2504.18728,
title = {A Unified Predictive and Generative Solution for Liquid Electrolyte Formulation},
author = {Zhenze Yang and Yifan Wu and Xu Han and Ziqing Zhang and Haoen Lai and Zhenliang Mu and Tianze Zheng and Siyuan Liu and Zhichen Pu and Zhi Wang and Zhiao Yu and Sheng Gong and Wen Yan},
journal= {arXiv preprint arXiv:2504.18728},
year = {2025}
}