通过机器学习将掺杂阳离子的特性与卤化物电解质中的锂迁移障碍联系起来：迁移通道几何形状的决定性作用

《Chemical Communications》：Bridging doping cation properties to lithium migration barriers in halide electrolytes via machine learning: the determining role of migration channel geometry

　　

在这项研究中，通过镧系元素M位点的掺杂和机器学习方法，研究了Li₃InCl₆中Li⁺的迁移行为。多尺度描述符表明，掺杂的阳离子会改变Li⁺的迁移路径，而这些迁移路径直接决定了Li⁺的迁移障碍，为固态电解质的设计提供了理论依据。