Advanced Materials· Guolang Zhou,
Minmeng Tang,
Xinwang Xu,
Xin Tang,
Tianshi Wang,
Chong Zhao,
Chao Tang,
Cheng Liu,
Tengfei Miao,
Le Xu,
Yubo Yan,
Zhendong Yu,
Zhipeng Cheng,
Lili Zhang,
Wenshuai Zhu,
Junwu Zhu·来源日期· 19 小时前精选AI 评分60
可解释机器学习归因指纹揭示锌负极添加剂的分类型设计规则
Attribution Fingerprinting by Interpretable Machine Learning Reveals Category‐Specific Additive Design Rules for Zinc Anodes
已取得正文材料归一化评分材料状态不代表研究结论已核验
本站收录：2026-11-03 17:49
模型导读
研究提出可解释机器学习框架，从分子描述符与测试条件预测循环寿命，并以分子级 SHAP 归因指纹将锌电解液添加剂无监督聚类为三类，分别由吸附能、电荷转移能隙和氢键网络调控主导。
推荐理由
该工作用分子级 SHAP 归因指纹把锌电解液添加剂分成三类设计规则，并用实验验证预测循环寿命。
来源：Advanced Materials · advanced.onlinelibrary.wiley.com