先进电池材料的开发对于实现下一代能源存储技术至关重要。机器学习(ML)已成为电池材料设计的变革性工具，为加速发现、优化性能和降低成本提供了可能。本报告将全面概述在该领域应用机器学习(ML)的相关机遇、挑战和方法。将讨论机器学习(ML)技术如何在预测材料特性、优化合成途径以及实现电池性能的多目标优化。报告还将重点介绍机器学习(ML)算法的最新进展及其在特定电池组件中的应用。通过桥链计算和实验验证之间的鸿沟，机器学习(ML)将为电池材料领域的发展带来巨大的变革，有效助力于可持续和高性能储能系统设计的实现。

报告人简介:孙晶博士为澳门城市大学数据科学学院(FDS)助理教授。2024年8月于新加坡南洋理工大学计算机与数据科学学院(CCDS)获得博士学位，导师张洁教授。2019年6月获澳门大学科技学院的硕士学位，导师刘志教授。主要从事机器学习(ML)、决策和优化在交叉领域的研究，为开发自动化的 ML提供解决方案，以应对复杂的优化和决策挑战。其研究成果发表在 TNNLS 和 UAI等国际期刊。

邀请人:纪效波 教授