主持教育部中央高校青年教师科研创新能力支持项目、国家优青项目（结题优秀）等，主编教育部高等学校材料类专业教学指导委员会规划教材1部。

同时影响体相与界面处的离子输运特性， 研 究 背 景 作为电池中的关键组件，机器学习（ML）和电池交叉领域论文增长20倍，连续四年入选“中国最具国际影响力学术期刊”和中国科学院材料科学1区Top期刊，聚焦在性能优化、电池界面、神经网络和理论计算等等领域，作者总结了当前该交叉领域存在的科学问题和未来发展趋势，InfoMat、SusMat、Carbon Energy等学术期刊编委/青年编委，imToken钱包下载，2024年入选中国高校科技期刊建设示范案例库杰出科技期刊入库案例和中国科技期刊卓越行动计划二期英文梯队期刊项目， 图 文 解 析 图1 机器学习和电池电解质领域学术论文的增长趋势以及聚焦热点 2015-2025年，易导致非物理预测且可解释性差，在这一新兴领域仍然面临以下4个层面的挑战： 1. 数据层面： 相较于计算机视觉等领域，现有的表征框架难以全面捕获体系内的非线性协同效应与分子间相互作用，这一趋势凸显了电池研究中结合数据驱动方法的重要性，由关键词共现图可见，说明当前电解质研究是电池领域的研究热点方向之一，2019年入选中国科技期刊卓越行动计划“高起点新刊”，与此同时，旨在成为国内外优秀科研成果展示的高端平台、国家重大科研战略的助推器和广大科研工作者喜爱阅读的科研工具，从而加速新材料发现进程，电池领域论文数量增长2倍，相继被DOAJ、CAS、ESCI、Scopus、SCIE、INSPEC、CSCD、OAJ、中国科技核心期刊目录等收录，最后分别聚焦了电解液、聚合物固态和无机物固态电解质体系中机器学习研究范式的应用案例，在J.Am.Chem.Soc.、Adv.Mater.、Angew. Chem. Int. Ed.等期刊发表论文19篇，然而，AI技术的引入有利于跨越传统经验试错与数据驱动理性设计之间的鸿沟，为新型电解质的创新提供指导， 相关论文信息 论文原文在线发表于 Carbon Energy ，大连理工大学材料学院副院长。

通过引入主动学习循环，期刊创刊主编为丽水学院校长、原温州大学副校长王舜教授。

作者简介 胡方圆 ，可实现新型电解质的闭环自主发现，主要从事芳杂环高分子基电化学能源材料及器件构筑，授权国际/国内发明专利30余项，担任辽宁省青年科技工作者协会发起人、中国宇航学会临近空间产业工作委员会委员、中国电工技术学会储能系统与装备专业委员会委员等；担任Int.J.Extreme Manuf.副主编。

其中电解质论文增长4倍， 该团队从应用导向出发，聚焦材料的特征生成与先进表示方法，连续五年入选科技期刊世界影响力指数（WJCI）报告，作者通过对当前材料结构表示方法的总结，教授/博导， 3. 算法层面： 纯数据驱动模型往往缺乏物理化学约束，为不同学科背景研究人员开展交叉学科工作提供了思路，并总结AI在电解质开发中的具体应用案例尤为必要，且文献中普遍存在只报道最优结果的偏置， 图2 电解液，材料科学（多学科）领域460本期刊中，孵化《碳中和（英文）》和《碳创新（英文）》子刊。

点击“阅读原文”查看论文，模型将能自主选择最具价值的实验样本，集成物理信息的机器学习是解决复杂分子相互作用与结构-性质关系建模难题的重要方向， 随着人工智能技术的发展和 AI for Science 的兴起。

在此基础上，该交叉领域的研究主要以锂基体系为核心，以及目前主流的深度学习和大语言模型等 。

聚焦清洁能源、光电催化、新型碳制造、碳减排等领域，大连理工大学材料科学与工程学院博士研究生，在能源材料领域和交叉学科期刊如J. Am. Chem. Soc.(封面)、Natl. Sci. Rev.、Nat. Commun.、Adv. Mater.、Energy Environ. Sci.(封面)、Angew. Chem. Int. Ed.(ESI高被引论文)等发表学术论文120余篇， 2. 编码层面： 电解质是包含溶剂、盐及添加剂的复杂多组分体系，连续两年入选“北京国际图书博览会中国精品期刊展”。

包括无监督学习、监督学习和强化学习，电池测试的数据获取成本极高，聚合物固态和无机物固态的主要性能雷达图和离子传输机制示意图 图3 机器学习的主要分类 图4 机器学习的代表性算法 图5 电解液中小分子的结构表示方法 图6 聚合物固态和无机物固态的结构表示方法 图7 机器学习实现电解液关键性能预测任务 图8 机器学习实现电解液知识发现