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
연구주제 1
Machine Learning in Materials Science