首页
人工智能设计锂电池电解液
报告简介：
锂电池广泛用于电动交通、消费电子等领域，推动了当代科技创新，催生了大规模储能和电动汽车等新兴行业。电解液是锂电池的核心组成之一，主要发挥传输锂离子的功能，被形象地誉为“电池血液”，显著影响电池实际性能。然而，先进电解液设计开发面临着溶液化学规律复杂、电解液分子数目庞大、电解液组分间强关联优化难等挑战。本报告将主要讨论人工智能技术如何解决当前先进电解液研发的瓶颈难题，包括数据驱动发掘电解液溶剂化学规律，开发电解液性质预测多尺度计算模型，集成方法开发电解液高通量计算软件，结合云计算和超算构建电解液数据库，机器学习定量关联电解液分子结构与理化性质以加速上亿分子空间中电解液分子的高通量筛选与精准设计，为后续实验开展提供技术方案。基于上述模型与方法，开发人工智能设计锂电池电解液平台，包括人工智能设计电解液分子、预测分子逆合成路径、预测电解液分子生成固态电解质界面膜的反应机理等功能。最后，以锂离子电池快充电解液添加剂分子为目标，介绍基于生成式人工智能模型设计添加剂分子的具体案例，从而突出人工智能方法如何为下一代锂电池电解液提供潜在方案，为实现我国“双碳”目标提供关键技术支撑。
报告人简介：
陈翔
清华大学副研究员，主要从事能源化学基础理论研究，提出了锂键化学、离子–溶剂结构、亲锂性等概念，注重多尺度模拟计算与机器学习的结合，形成了一系列高水平研究成果。以（共同）第一作者和共同通讯作者身份在 Chem. Rev., Acc. Chem. Res., Sci. Adv., Chem, Angew. Chem. Int. Ed., J. Am. Chem. Soc.等期刊发表 SCI论文 40 余篇，H 因子 59，被引 15000 余次；入选 2023《麻省理工科技评论》TR35 亚太区和 2020–2023 科睿唯安全球高被引学者；承担国家自然科学基金优秀青年基金、中国科协青年托举工程、科技部重点研发专项子课题等项目；担任 Nature, Nat. Catal., Nat. Commun., Angew. Chem. Int. Ed., Adv. Energy Mater.等期刊独立审稿人，J. Energy Chem.期刊客座编辑，Chin. Chem. Lett., Green Carbon,储能科学与技术期刊青年编委和中国颗粒学会青年理事。
