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

本研究背景聚焦于人工智能在材料科学领域的应用潜力，特别是大语言模型和机器学习在加速新材料发现方面的优势。针对金属有机框架固态电解质设计缺乏系统指导的问题，研究目的是开发一个结合大语言模型与表示聚类技术的AI框架，实现高效材料挖掘。通过构建交互式迭代文本挖掘框架建立MOF数据库，并利用表示聚类从候选材料中识别出NOTT-400进行实验验证，最终证实该材料具有3.1×10−4 S cm−1的锂离子电导率和4.79V电化学稳定窗口。结论表明该AI驱动的研究范式能有效加速固态电解质材料开发，为电池材料创新提供新路径。