宁夏大学王海龙副院长/杜鑫ACS Nano | 机器学习加速开发具有高可逆容量和库伦效率的富锂层状氧化物！

本文背景为富锂层状氧化物作为高能量密度正极材料面临结构不稳定和性能权衡的挑战。研究目的是利用机器学习识别并优化合成参数以提升材料性能。通过训练梯度提升决策树等模型，发现锂与过渡金属比例和预烧结气氛是关键因素。实验表明，在空气预烧结条件下，材料Li₂MnO₃相比例降低，{010}晶面暴露增加，表面岩盐相被抑制，从而获得了高放电容量（301.02 mAh g⁻¹）和高初始库伦效率（81.05%）。结论指出，机器学习与实验结合有效优化了富锂层状氧化物，揭示了空气预烧结的新见解，改善了锂离子动力学和可逆性。