华中科技大学曹元成团队：机器学习提升正极材料晶体结构解析效率及性能预测精度

随着科技的不断发展，研究者们开始尝试使用机器学习方法来提高筛选效率，尽管已经取得了一些进展，但仍然存在模型预测不准确，缺乏泛化性等问题。为了探索并推动机器学习在三元材料领域中的应用，华中科技大学电气学院曹元成教授（通讯作者）、程丹芃博士、沙武鑫博士等通过深度学习方法开发出了三元正极晶体结构解析及性能预测的人工智能图神经网络方法，并成功预测出了一种优良包覆材料。首先开发了一个注意力图卷积神经网络（ACGNet）模型。该模型从晶体结构中提取原子和化学键特征，进而预测晶体的氧化电位。在所有候选化合物中，LiPO3表现出优异的包覆材料潜力，具有最高的氧化电位（Vox）和较低的制备成本。随后的电池组装实验和电化学表征证明了LiPO3对电池循环稳定性的提升。ACGNet在材料性质预测上具有较高的准确性， ………………………………