高精度预测界面阻抗
以扩散描述符结合第一性原理计算与机器学习，精准预测锂金属负极与多种固态电解质界面的形成能与扩散势垒，为快速筛选高性能固态电解质提供可靠方法。
Junye, Tu · Rongyao, Chen · Pengchong, Xu · Haofeng, Qiu · Duo, Yang · 学位 · 廖宁波
Journal of Materials Science and Technology 2027
梯度提升回归树模型对界面形成能与扩散势垒的预测 R² 达 0.99，平均绝对误差仅 0.12，为高通量筛选提供可靠工具。
覆盖 LLZO、LiPON、LPS 和 LPSX 等主流固态电解质体系，结合 876 个数据集加速发现新材料，并预测 21 个性能优于已报道体系的候选物。
扩散特征所需计算量小，无需大量训练数据即可获得高精度模型，加速新型固态电解质的设计与筛选流程。