化学基础模型指导下高离子导电性电解质配方的设计
材料科学
2025-03-24 v2 化学物理
摘要
由于体系中 constituent 数量庞大且各成分之间存在复杂相互作用，设计电解质的最优配方是下一代 rechargeable 电池开发中的重大挑战。机器学习(ML)提供了强大的工具，用于揭示底层化学设计规则并加速配方发现过程。本文提出了一种利用通用化学基础模型来实现目标性能的配方设计方法。该化学基础模型在来自锂离子电池文献整理的13,666个离子导电性数据集上进行微调。经微调的模型用于通过生成筛选发现7种新的高导电性电解质配方，分别将基于 LiFSI 和 LiDFOB 的电解质导电性提高了82%和172%。这些发现突显了一种高度可适应的工作流程，可用于发现具有定制化性能的化学混合物，以解决能源存储及其他领域的挑战。
引用
@article{arxiv.2503.14878,
title = {Chemical Foundation Model Guided Design of High Ionic Conductivity Electrolyte Formulations},
author = {Murtaza Zohair and Vidushi Sharma and Eduardo A. Soares and Khanh Nguyen and Maxwell Giammona and Linda Sundberg and Andy Tek and Emilio A. V. Vital and Young-Hye La},
journal= {arXiv preprint arXiv:2503.14878},
year = {2025}
}