尽管科研工作者正在努力研究固态锂离子电池的高性能电解质，但仍有数千种潜在的含锂结构尚未开发。近日，加州理工学院Kimberly A. See采用半监督学习方法来加快超离子导体的识别。

本文要点：

1) 作者筛选了180个唯一描述符，并使用凝聚聚类来识别26 000个含Li结构。然后用实验离子电导率数据来标记簇，以评估描述符的适合性。通过检查包含最高电导率标记的簇，作者确定了212个极具潜力的结构，这些结构使用键价位能量和微调的弹性带计算进行了进一步筛选。

2) Li₃BS₃被鉴定为一种潜在的高导电材料，并被选择用于实验表征。通过缺陷工程，作者发现Li₃BS₃是一种室温离子电导率大于1×10⁻³ S cm⁻¹的超离子导体。虽然半监督方法具有识别超离子导体的潜力，但结果表明，其仍然需要明确编码缺陷的描述符。

参考电竞投注官网 ：

Forrest A. L. Laskowski et.al Identification of potential solid-state Li-ion conductors with semi-supervised learning EES 2023

DOI: 10.1039/D2EE03499A

https://doi.org/10.1039/D2EE03499A