Schrödinger 我们非常荣幸能在6月26日由电池技术平台（Battery Technology Platform）主办的网络研讨会上进行演讲。欢迎参加由Schrödinger 科学先导化合物 Garvit Agarwal博士带来的题为《电极、电解质与界面：利用分子模拟 和机器学习（ML） 推动电池材料研发的快速进步》的演讲。

摘要：
锂离子电池（LIB）技术彻底改变了交通运输和消费电子等行业。然而，为了满足迅速增长的需求，并提高锂离子电池的功率密度、安全性、可靠性和使用寿命，需要开发新的电池化学体系。

在本场网络研讨会中，我们将探讨提升电池性能所面临的关键材料挑战，并演示原子级模拟 和机器学习（ML） （ML）如何实现对庞大设计空间的快速评估和筛选 ，从而加速创新技术推向市场。

我们将介绍Schrödinger在电池材料设计领域数字化学平台上的最新技术创新。本次网络研讨会将重点通过实例，展示自动化解决方案在以下方面的应用：利用电极材料 准确预测正极的热力学稳定性和电压曲线、离子扩散路径及动力学；预测液体电解质的输运性质；以及利用Schrödinger的SEI模拟模块对固态电解质界面膜（SEI） 层的成核与生长进行建模。 此外，我们将介绍一个用于开发定制化机器学习（ML） 力场的自动化通用框架，该框架适用于液体电解液、无机阴极涂层和固体聚合物电解液等复杂材料，为高效设计新一代电池的新型材料铺平道路。

主要学习目标：

• 深入了解数字化化学方法如何缩短新型电池材料的开发周期
• 了解Schrödinger的自动化高通量模拟 工作流程和机器学习模型如何实现电池候选材料的快速筛选
• 了解如何利用自动化解决方案，准确预测电池的关键性能：电极的热力学稳定性和电压曲线、电极中的离子扩散路径和动力学、液态电解质的输运特性，以及固态电解质界面膜（SEI） 层的成核与生长。
• 了解先进机器学习（ML） 力场在电解质材料 、阴极涂层及界面精确建模中的应用