湖南科技大学刘万强课题组：机器学习预测电解液溶剂分子的供体数和受体数

文章预览

01 引言 电解液溶剂对电池的能量密度和安全等性能具有至关重要的影响。供体数（DN）和受体数（AN）是筛选和设计优质电解液溶剂的两个重要参数。然而，通过实验测量DN和AN复杂且耗时。机器学习（ML）算法可以学习数据之间的复杂关系并建立预测模型。因此，通过机器学习预测电解液溶剂分子的DN和AN是一种快速和低成本的有效方法，有助于筛选和设计合适的电解液溶剂。 02 成果展示 近期，湖南科技大学化学化工学院刘万强课题组与汪靖伦课题组合作，通过计算和筛选分子结构描述符，利用ML算法建立了电解液溶剂分子DN和AN的预测模型，并使用SHAP揭示了分子结构描述符对DN和AN的影响。结果表明，基于决策树的CatBoost算法表现出良好的预测能力，在测试集中DN的R 2 值为0.860，AN的R 2 值为0.966。该方法可以准确地预测电解液溶剂的DN和AN，为电池电 ………………………………