大语言模型引导迭代设计超稳定钠离子电池电解质
作者提出一种文献知识引导的迭代工作流，将大语言模型与贝叶斯优化结合，用于钠离子电池电解质的理性设计。优化得到的双阴离子杂化溶剂化电解质（DHSE）构建协同溶剂化结构，诱导形成致密、富无机且机械稳固的 CEI，抑制副反应并降低去溶剂化势垒以加速 Na+ 传输。
推荐理由：原文给出 LLM 结合贝叶斯优化筛选电解质的流程，以及 Ah 级软包电池的能量密度与循环保持率数据。
#能源高分子
Advanced Functional Materials精选AI 评分6262
Advanced Materials精选AI 评分6262 高通量实验结合机器学习为非富勒烯有机太阳能电池溶剂优化确定品质因子
研究提出一套高通量工作流，用于确定非富勒烯受体（NFA）基有机太阳能电池溶剂优化的品质因子（FoM）。以 D18:L8BO 为代表性体系，通过高通量实验与成膜过程中的原位光学表征制备多种溶剂配方，机器学习分析发现沉积过程中给体与受体初始吸收比（I_D/A）是关键 FoM，可高效优化溶剂。
推荐理由：原文用高通量实验与原位光学表征结合机器学习，给出可迁移的溶剂筛选判据，读者可据此理解有机太阳能电池配方优化的数据驱动路径。
Advanced Functional Materials精选AI 评分6262 应变传感集流体实现锂离子电池嵌锂动力学的原位探测
研究团队提出一种应变传感集流体（SSCC），通过 UV 辅助转印与表面电镀将图案化 Constantan 应变传感单元集成到铜集流体内部，保持连续导电铜表面并可直接涂覆石墨，使该集流体在软包电池中作为负极片使用。
推荐理由：把应变传感单元集成进铜集流体，可在不干扰电芯结构的前提下原位读取石墨电极的嵌锂应变。
Journal of the American Chemical Society精选AI 评分8282 机器学习引导设计半刚性空穴选择性自组装单分子层，倒置钙钛矿电池效率达 26.36%
研究团队用成对排序 Siamese D-MPNN 在已发表 SAM 对照-目标数据对上训练，发现降低尾基平面性可提升 PCE，据此设计出七元环 SAM 4PABAP（ML 评分 +2.54）和 4PAHBAP（+5.52），均高于 4PACz（−0.32）。
推荐理由：用成对排序 Siamese D-MPNN 从已发表 SAM 数据中筛选空穴传输分子，并给出可迁移的机器学习先行再验证流程。
Advanced Materials精选AI 评分6262 密度差沉降与 Cryo-TEM 解析共轭高分子纳米线结构异质性，用于可编程可拉伸电子
研究用密度驱动的差速沉降把 P3HT 纳米线分成结晶纳米线沉淀与较短纳米线、低分子量链的上清液，并用 Cryo-TEM 在单根纳米线水平定量映射主链倾斜、宽度均匀性和层状相干性，发现两部分的局部共面 π–π 堆积均保留，而沿层状堆积方向的长程有序集中在沉淀中。
推荐理由：用密度差沉降与 Cryo-TEM 单根纳米线定量映射，把共轭高分子结构异质性变成可编程参数。
已经到底了