机构名称：
¥ 1.0
范围从材料到设备，再到系统，重点是AI和ML如何加速这些领域的研究和发展。当前，由于材料和装置合成的复杂性，能量化学的大多数设计原理本质上都是经验性的。为了解决这一挑战，可以使用实验和计算数据对ML模型进行培训，以构建更定量的结构 - 专业关系。在评论中，Xu等。（https://doi.org/ 10.1039/d3ya00057e）讨论了ML在电池和催化等不同地区的应用，以及ML如何帮助制造新材料和设备。有许多有前途的电池材料正在等待发现，但是较大的化学空间使反复试验的方法很难理解。ng等。（https://doi.org/10.1039/d3ya00040k）
锂离子电池回收：Per -RSC Publishing的来源
主要关键词
相关文件推荐
