近日，上海交通大学电子信息与电气工程学院微纳电子学系人工智能与微结构实验室（AIMS-Lab）李金金团队提出了基于人工智能的目标驱动框架，以设计和发现潜在的优良石榴石型固态电解质。相关成果以“Harnessing Artificial Intelligence to Holistic Design and Identification for Solid Electrolytes”为题被国际著名期刊《Nano Energy》(中科院1区，IF=17.9)接收。

论文的Graphical abstract

传统锂离子电池采用易燃液体电解质，具有较高的离子电导率和良好的电极润湿性，但其成分的多样性和复杂性不可避免地提出了许多挑战，比如能量密度不足、锂枝晶问题，存在自燃等安全隐患。而固态电池中的固态电解质具有高机械强度和不可燃特性，有望完全解决液态电池中的安全性和枝晶化问题，并可通过低成本制造技术实现高能量密度。因此，设计和发现优良的固态电解质近年来引起了巨大的关注，成为研究的热点和挑战。优良的固态电解质需要有低的电子电导率、高的离子电导率和良好的热稳定性。该研究以离子的电负性、第一电离能、密度、离子半径等性质为特征，建立的AI模型可以快速准确地预测固态电解质的电子电导率（带隙值），分类模型的精度高达88.5%，回归模型的误差仅为0.25 eV，预测速度比密度泛函理论（DFT）的计算速度快9个数量级。

带隙预测回归模型

a: 机器学习模型对特征的重要性排序 b: 关键特征的相关性分析 c: 测试集上10折交叉验证的结果 d: 对未知的结构进行预测

结合开发的机器学习模型和小规模的DFT计算，团队从设计的超过29000个石榴石结构中，快速发现了12个在室温下具有极低电子电导率（< 3.6 × 10^–30 S cm^–1）、超高离子电导率（> 10^–4 S cm^–1）、热稳定性优良和易于合成的新型结构，并从态密度（DOS）计算、离子扩散性质计算和从头算分子动力学（AIMD）中得到了验证，有希望被进一步用于固态锂离子电池。据估计，团队提出的方法和框架从计算上缩短了至少95年的筛选周期，为固态电解质的设计和发现开辟了新的思路和方法。

DFT验证和分析优良固态电解质

a: 态密度DOS分析 b: 离子扩散路径分析与激活能计算 c: 离子电导率对比与分析 d: 300K和1000K下的热稳定性分析

该研究成果以上海交通大学为第一通讯单位。上海交通大学电院微纳电子学系2019级博士生汪志龙为本论文的第一作者。上海交通大学电院微纳电子学系李金金特别研究员为该论文的通讯作者。该研究获得国家自然科学基金委、上海交通大学等的资助。

论文链接：https://www.sciencedirect.com/science/article/pii/S2211285521005929