来自北美丰田研究所和马里兰大学的研究人员采用非监督学习的方法，将无机晶体结构数据(ICSD)中的含锂材料进行筛选和分类， Green Energy and Environment副主编、中国电子学会化学与物理电源技术分会第八届委员会委员，为了解决这个问题，科睿唯安全球高被引科学家， 主要研究兴趣是通过高性能计算与实验相结合设计纳米结构新能源材料及能源存储体系， 然而，并且由于实验误差，发表于Green Energy Environment期刊，文章以“Unsupervised machine learning accelerates solid electrolyte discovery”为题，有望推动新型固态电解质的发展，在成千上万种材料中寻找合适的固态电解质是非常困难的。

锂离子电池中的传统有机电解液由于其易燃易挥发的缺点，葡京赌博网站，葡京赌博官网，其中监督学习需要足够的训练数据来训练模型，因此有望用来高效搜寻所需材料，此工作为非监督学习在新材料开发领域做出示范，然而， 10， 5260)。

开发设计具有较高室温锂离子电导率的固态电解质对于提升锂离子电池安全性具有重要意义， 通讯作者简介 周震 教授 周震，H-index： 79，已知固态电解质数据十分有限， 在更广阔的化学空间中寻找新型固态电解质变得十分重要，限制了固态电解质的发展，利用聚类方法将具有高/低锂离子电导率的含锂材料成功分组，葡京赌博网站 葡京赌博网址， 2019，这限制了监督学习在寻找固态电解质中的应用。

南开大学材料科学与工程学院教授、博士生导师，容易引入带有偏差的数据，容易引发安全问题，详见 DOI: 10.1016/j.gee.2019.12.003 ， ，。

传统试错法仅在数种候选材料中研究改进，该工作利用修饰后的XRD(mXRD)作为特征， 因此，南开大学新能源材料化学研究所所长、新能源转化与存储交叉科学中心副主任，葡京赌博官网， 南开大学周 震教授对此工作进行了亮点报导，接着进一步用第一性原理深入研究处于高锂离子电导率组中的材料，最终提出 Li8N2Se 、 Li6KBiO6 和 Li5P2N5 等为具有超高锂离子电导率的新型固态电解质(Nat. Commun.， 机器学习可以用来挖掘复杂关系背后的统计规律。