成果展示
High-Throughput Calculations and Machine Learning for Discovering Halide-Type Solid-State Electrolyte Materials
时间:2026-05-07作者:编辑:审核:阅读:213
作者信息：
学院：材料科学与技术学院
作者：许真铭
论文简介：
利用高通量计算技术筛选卤化物型固态电解质，并求解卤化物的结构-功能关系。具有F4′3m空间基团的A4BC7型卤化物具有Tet- Oct-Tet离子迁移通道，始终表现出较高的离子电导率。此外，机器学习模型解析出卤素阴离子的离子半径是负向影响卤素形成能的最重要因素。
论文链接：
https://doi.org/10.1016/j.cej.2025.167338
期刊名：《Chemistry of Materials》
