昆明理工大学胡劲/熊仕昭：先验知识驱动的机器学习模拟理解固态电解质的电-化学-力学失效

本文介绍了昆明理工大学胡劲和熊仕昭团队开发的一种先验知识驱动的机器学习框架，用于研究固态电解质（SSE）中的电化学-力学失效问题。研究背景是固态锂金属电池（SSLMB）在负极-电解质界面处易发生枝晶形成和短路风险，而传统有限元方法计算量大且耗时。研究目的是通过机器学习模型预测固态电解质的应力分布，并提升模型的物理一致性。研究团队采用SE-UNet模型，结合先验知识和量化分析，显著提高了预测精度。结论表明，该方法为理解SSLMB界面失效提供了新视角，并为固态电池系统的固-固界面设计提供了创新策略。