固態離子材料有良好的離子傳導能力，相較液態電解質具更高的安全性和更廣泛的工作溫度范圍，在固態電池、燃料電池和傳感器等領域有著廣泛應用前景。材料的性能取決于結構，找到一種能客觀、定量地聯系材料結構與性能并理解相應機理的方法一直是材料科學家追求的目標。目前，已有用于固態離子材料性能預測的機器學習方法都是基于理想的完美單晶模型。真實材料中存在的各種結構缺陷使得實驗測量的性能在大多數情況下都偏離理論預測，基于從真實材料獲取的、涵蓋復雜結構表征數據的機器學習研究方法還有待發展。
上?？萍即髮W物質科學與技術學院劉巍課題組、信息科學與技術學院何旭明課題組和物質科學與技術學院于奕課題組開展交叉合作，以氧化物鋰離子導體鋰鑭鋯鉭氧作為研究對象，發展了一種對顯微結構和離子電導率進行直接關聯的可解釋的算法。相關研究成果近期發表在國際學術期刊Nano Letters上。
研究人員通過改變制備條件得到不同離子電導率的樣品及相應的顯微形貌圖，將離子電導率劃分為高、中、低三個等級，并利用決策樹模型將顯微結構與離子電導率關聯，分類預測準確率超過90%。他們還從顯微結構中提取物理參數（顆粒、孔隙），定量分析了參數對離子電導率的影響。研究表明該模型對其它氧化物鋰離子導體（鋰鑭鈦氧）也具有高的分類準確率。
圖1 利用決策樹模型對顯微結構和性能關聯
本工作成功實現了對氧化物鋰離子導體顯微結構與性能關系的理解，也為其他領域對功能材料物理性能和結構的關聯提供了新的方法。
上?？萍即髮W物質學院2022級博士研究生張月、信息學院2023屆本科畢業生林曉宇為該論文的共同第一作者。上?？萍即髮W物質學院劉巍教授、信息學院何旭明教授和物質學院于奕教授為共同通訊作者，上?？萍即髮W為唯一完成單位。上?？萍即髮W物質學院電鏡中心為材料的表征提供了支持。
論文名稱：Machine Learning on Microstructure?Property Relationship of Lithium-Ion Conducting Oxide Solid Electrolytes
滬公網安備 31011502006855號