Z. Ahamad等人通过机器学习筛选了超过12,000种无机材料,预测其作为固体电解质抑制金属锂枝晶形成的潜能。在预测抑制锂枝晶形成性能方面,不同于第一性原理计算中耗时的机械各项异性和界面各向异性性质,作者训练生成了基于结构参数的深度神经网络用于预测物质的弹性常数,从而可以快速地筛选大量物质结构。基于此模型筛选结果发现,物质的结构刚性随其质量密度,Li离子占比以及化学键的离子性增加而增强。并且进一步预测了20种具有潜在良好抑制锂枝晶形成的材料。这些材料相对刚性较低,并且具有较强的各向异性性质。
Zeeshan Ahmad, Venkatasubramanian Viswanathan*, et al. Machine Learning Enabled Computational Screening of Inorganic Solid Electrolytes for Suppression of Dendrite Formation in Lithium Metal Anodes
ACS Cent. Sci., DOI: 10.1021/acscentsci.8b00229
https://pubs.acs.org/doi/10.1021/acscentsci.8b00229