揭秘固态电池：AI与计算模拟的完美融合

1. 掌握固态电池（SSB）的发展使命，基本构成、固态电解质分类，工作原理、关键挑战与性能评估。

2. 了解利用第一性原理（DFT）和分子动力学（MD）及其相关工具（如VASP, CP2K, LAMMPS, Gromacs）计算固态电池关键材料（电极、电解质）及界面性质的基本方法。

3. 掌握机器学习的基本概念、常用算法及其在材料科学，特别是固态电池领域的应用流程。

4. 学习如何为固态电池体系（包括电极、电解质、界面）构建有效的特征描述符以及如何利用VASP等DFT工具对该类描述符进行计算。

5. 熟练运用Python及其相关库（Numpy, Pandas, Scikit-learn, Pytorch/TensorFlow, Pymatgen, ASE）处理固态电池相关数据并构建机器学习模型。

6. 掌握利用机器学习、深度学习等模型预测固态电池关键性能（如界面稳定性、离子电导率、循环寿命等）的方法。

7. 学习使用机器学习加速新型固态电池材料体系（特别是稳定的界面组合）的发现和设计，如利用Matminer工具结合Material Project数据库进行高通量筛选。

8. 掌握使用机器学习与传统计算模拟（DFT/MD）结合，进行多尺度研究的策略，利用先进的神经网络模型如Deepmd-kit, MACE等加速材料的研发。