(纯计算)北京师范大学龙闰团队JACS Au: 人工智能驱动的通用机器学习框架在离子电池正极材料设计中的应用

背景：全球能源问题日益严峻，电池技术对应对能源挑战至关重要。传统评估正极材料性能的方法依赖耗时的物理模拟或实验，计算成本高且开发速度慢。研究目的：为解决图神经网络需精确原子位置的限制，开发通用机器学习模型BatteryFormer，仅基于成分和结构原型进行快速材料筛选。结论：BatteryFormer在多种正极材料中表现出强大预测性能，准确预测氧化还原电位，捕捉关键局部结构特征，并提供材料关系可视化映射，为加速材料发现和过渡到数据驱动策略提供强大框架。