开云电池材料研究组

团队简介

固态电解质的候选材料动辄成千上万，但实验室一次只能验证很少几个配方——这个数量级差距才是材料研发真正的瓶颈，而不是"要不要用AI"这种表面问题。开云电池材料研究组关注的，是AI如何在几万个候选里排出优先测试的顺序，以及这个排序背后用的是什么数据和方法。

我们也持续追踪正极、负极材料的替代路线，比如减钴配方、高镍体系、硅基负极这些方向各自在性能、成本和供应链风险上的取舍。写作时我们尽量说清楚具体的技术权衡，而不是简单给出"哪种材料更好"的结论。

关注领域

• 正极/负极材料的AI筛选与配方优化逻辑
• 固态电解质候选材料的主动学习排序方法
• 图神经网络（GNN）在晶体结构预测中的应用边界
• 多模态材料大模型如何联合理解结构、电化学数据与文献
• 材料研发结论与实验验证之间的边界说明

编辑原则

涉及具体材料候选或模型结论的内容，我们会说明这是基于当前数据与模拟场景的分析判断，而不是可以直接用于工程投产的结论；涉及主动学习或GNN等方法描述，会尽量说清楚它在实际筛选流程中扮演的具体角色，而不是笼统称为"AI黑科技"。

近期文章

相关团队

如果你关心电池退役后的回收与材料再生路径，可以查看开云电池循环编辑组；如果你关心关键矿产的供应风险，可以查看开云关键矿产研究组；如果你关心材料供应链的ESG与溯源问题，可以查看开云材料供应链ESG观察组。