MOLECULE → MIXTURE → EXPERIMENT

从目标性质出发,
反向筛选电解液配方

输入锂盐、温度与研发侧重点,系统搜索二元溶剂组合和起始配比,并展示推荐依据、模型覆盖范围与不确定性。

公开数据RDKit 表征性质预测配比优化
03 / RANK

候选配方

等待运行

准备探索候选空间

系统将比较溶剂化能力、传输、稳定性、安全性和低温表现。

HOW IT WORKS

不是让语言模型猜答案,
而是让数据与约束共同排序。

1

结构标准化

PubChem 获取化合物身份,RDKit 计算分子量、极性表面积、氢键受体等描述符。

2

性质预测

CALiSol-23 训练电导率模型;训练集外的盐自动切换到物理启发式并降低置信度。

3

配比搜索

枚举二元组合和 10:90 至 90:10 的比例,应用温度、黏度、闪点与场景约束。

4

可解释排序

输出各目标分数、估算性质、数据覆盖情况和推荐理由,便于设计下一轮实验。