SNU CBE

Reliable Li-ion conductivity with efficient data generation and uncertainty estimation toward large-scale screening

2025 · Chemical Engineering Journal

저자

Junyoung Choi, Byeongsun Jun, 정유성 (Yousung Jung)

연구주제

Machine Learning in Materials Science · Advanced Battery Materials and Technologies · Advancements in Battery Materials

NTIS 과학기술표준분류

가장 가까운 분류(전기/전자 > 전지 > 이차전지)가 화학·화공 범위 밖이다. 배정 근거: AI 키워드가 잡은 NTIS 과제의 분류.

AI 연구 키워드·방법

전고체전지 lithium ion conductivity 고체 전해질

기계학습 원자간 포텐셜(MLIP) uncertainty quantification

키워드 (OpenAlex)

lithium ion conductivity solid electrolytes all-solid-state batteries machine learning interatomic potentials M3GNet uncertainty estimation activation energy materials screening

초록

초록 없음

이 논문을 지원한 국가R&D 과제 (NTIS 성과)

NTIS 성과DB(2020–24)에서 DOI 매칭 없음

인접 그래프

노드 hover = 이웃 강조 · 1회 클릭 = 고정 · 고정된 노드 다시 클릭 = 페이지 이동

이 문서와 연결된 페이지

교수 1

정유성

연구주제 1

Machine Learning in Materials Science

키워드 2

전고체전지 · 고체 전해질

방법 1

기계학습 원자간 포텐셜(MLIP)