电池材料

电池材料研究小组专注于电池体系物化性质计算、电解液知识图谱构建与智能配方设计，旨在通过 第一性原理计算、分子动力学模拟、自由能微扰理论、深度学习神经网络 以及 大语言模型 等前沿技术，实现从微观物理化学性质到宏观性能评估的端到端智能化研究。小组成员来自材料科学、化学、计算机科学等多个交叉学科领域，致力于构建全面精确的储能材料数据库及通用势函数模型，并结合实验数据推动电解质和电池材料智能化设计与优化，推动材料与能源科学等领域的理论发展。

研究方向

• 复杂电解质体系物化性质计算
  揭示微观尺度下溶剂化相互作用机制，结合分子动力学模拟和自由能微扰理论实现复杂电解质的多种物理化学性质计算，为高通量筛选提供理论支持。
• 机器学习加速自动化性质计算工作流
  研发电解质性质计算自动化工作流软件，在保证第一性原理精度下实现电解质高通量的性质计算与高效评估。
• 通用势函数模型及大规模数据库构建
  通过主动学习策略构建泛化通用势函数，覆盖固态、混合等多种电解质体系，建立千万量级的性质计算数据库，显著增大材料筛选搜索空间。
• 电解质知识图谱构建
  结合大语言模型实现抽取文献、实验与专利数据，构建多维度的电解质领域知识图谱，为数据驱动的研究提供支撑。
• 电解质自动化实验平台
  结合大语言模型实现电解质配方的智能推荐，搭建电解质自动化实验平台，实现端到端的智能设计方案。

前沿展望

将进一步融合高精度计算模拟、实验验证与AI智能方法，持续优化电解质及电池材料的智能设计流程。研究小组期待与 国内外学术界与工业界 紧密合作，共同推动从基础理论到实际应用的全面突破，构建智能化、全链条的储能材料研发新模式。