XRDMatch 半监督预测框架

F1 0.92 高精度

仅凭 XRD 图谱即可高效发现室温锂超离子导体，突破小数据集训练的可靠性与精度瓶颈。

Wan, Zheng · Chen, Zhenying · Hao, Chen · Yizhi, Jiang · Zhang, Jinhuan · Wang, Yidong · Jindong, Wang · Hao, Sun · Zhu, Zhongjie · 朱金辉 · Yang, Linyi · Wei, Ye · 张世琨 · Xing, Xie · Yue, Zhang · 庄小东 · 何晓 · Yang, Jinrong

Energy and Environmental Sciences 2024

参数信息

F1 分数

0.92

预测超离子导体数量

38

文献验证数量

32

新候选数量

6

技术优势

无需人工特征工程

只用 XRD 图谱作为输入，不需要从结构中提取任何手工特征，模型端到端预测。

小样本也能训出高精度

用一致性正则和伪标签的半监督学习，大量未标注数据帮助模型 F1 达到 0.92。

发现全新超离子导体

模型预测出 6 种未见报道的候选物，经从头算分子动力学验证离子输运，其中 Li₆AsSe₅I 被合成并实测确认。

应用场景

• 全固态锂电池：快速找到合适的固态电解质，加速电池开发。
• 固态电解质：从 XRD 图谱直接预测离子导电性，筛选候选材料。
• 固态电池：通过高精度模型发现关键电解质材料，推动电池实用化。
• 材料信息学：半监督学习解决小数据训练难题，提升模型可靠性。
• 计算材料筛选：以 XRD 为唯一输入，高通量筛选潜在超离子导体。