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、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）中的缺陷分布与电化学-力学过程中冯·米塞斯应力分布之间的关联。研究背景是固态锂金属电池（SSLMB）在负极-电解质界面处的电化学-力学失效机制尚不明确。研究目的是通过机器学习模型提升对固态电解质应力场的预测精度和物理一致性。研究团队采用SE-UNet模型，结合先验知识量化，显著提升了模型的性能。实验结果表明，该模型在验证数据集上展现出极低的均方误差和平均绝对误差。结论表明，该方法为理解SSLMB界面失效提供了新视角，并为未来固态电池系统的固-固界面设计提供了创新策略。