XGBoost · 15 维特征 · CV R²=0.91

AI 驱动的
电解液配方
虚拟筛选

基于 CALiSol-23 及同行评审期刊的 4,800 条实验数据训练,预测锂离子电池电解液的离子电导率、稳定性窗口与 SEI 成膜倾向。每个预测附带 SHAP 可解释性归因与数据来源追溯。

R²=0.91
5 折交叉验证
4,800+
实验训练数据
3,000+
预筛选配方
15 维
SHAP 可解释
Lithium-ion electrolyte solvation structure — AI-driven virtual screening

三大核心模块

从配方设计到虚拟筛选再到模型验证,完整的 AI 驱动电解液研发流程