高镍正极和锂金属负极等电极材料对高比能锂电池性能至关重要，而机器学习晶体描述符可以用数字化的方式准确描述这些材料的结构与性质，使得研究人员可以使用机器学习帮助探究它们的微观行为和失效机制。基于北京大学深圳研究生院郑家新副教授团队近年来在高比能锂电池电极材料的机器学习性质预测与势场拟合等方面的工作，该团队受邀在Journal of Materials Informatics期刊（于2021年4月由OAE Publishing Inc. 正式创刊，由中国科学院院士、香港工程科学院院士、上海大学材料基因研究院院长张统一教授担任创刊主编）发表题为” Machine learning descriptors for crystal materials: applications in Ni-rich layered cathode and lithium anode materials for high-energy-density lithium batteries”的综述文章，对机器学习晶体描述符应用于高比能锂电池中的高镍正极与锂金属负极材料研发进行系统总结与展望。
图1 用于高比能锂电池材料的ML晶体描述符。将晶体结构转换为数字化的晶体描述符，作为ML模型的输入；ML输出的性质预测、模拟计算、晶体生成等结果可以作为新一轮的晶体结构与性质输入，加速ML设计材料的迭代过程。
该工作在郑家新副教授和博士后叶耀坤的共同指导下完成，学院博士生张瑞琪为文章的第一作者，郑家新、叶耀坤为共同通讯作者。DOI: 10.20517/jmi.2024.22
该研究得到了国家自然科学基金、深圳市科技研究基金的支持。综述中部分相关工作见https://web.pkusz.edu.cn/zhengjiaxin/research/。
