天津大学杨春鹏/王旗龙、化学所郭玉国JACS：AI辅助挖掘金属有机框架固态电解质！

本研究背景聚焦人工智能在材料科学领域的应用，特别是大语言模型和机器学习技术加速新材料发现的潜力。研究目的旨在开发一种融合大语言模型与表示聚类技术的AI框架，从金属有机框架数据库中智能挖掘固态电解质材料。通过构建交互式迭代文本挖掘框架建立MOF固态电解质数据库，并利用表示聚类方法从11,393个候选材料中成功识别出NOTT-400作为潜力材料。实验验证表明NOTT-400具有3.1×10−4 S cm−1的锂离子电导率和4.79V电化学稳定窗口，证实了该AI框架的有效性。这项工作为人工智能辅助电池材料开发提供了新范式，显著提升了材料挖掘效率。