卤化物固态电解质界面快离子传输机理揭示：DFT+机器学习分子动力学解析空间电荷层
arXiv 10月2日提交的论文（2610.03821）结合密度泛函理论、缺陷热力学与机器学习分子动力学，研究Li2ZrCl6/Li3YCl6卤化物固态电解质界面：发现界面处的空间电荷层与卤素离子重排共同促进锂离子传输，解释了此前实验观测到的混合两种卤化物电解质电导率提升46%-58%的现象，为全固态电池界面设计提供机理依据。
机器学习 第2页
共 5 页 · B910化工 · AI 化学信息库
机器学习硬碳模型揭示钠离子电池负极微结构-输运关系
Imperial College London领衔团队结合机器学习生成的硬碳结构与显式电解液分子动力学模拟，系统刻画了密度0.5-2.0 g/cm3硬碳中钠的存储与输运行为，发现碳密度升高导致孔隙网络可达性下降与石墨化局域有序增强，为钠离子电池负极微结构设计提供定量依据。
机器学习三光谱成像识别油画颜料准确率达99.3%，为艺术品保全提供轻量化无机检测方案
研究人员开发出基于三种光谱照明模式的非侵入式机器学习颜料识别方法，利用可见光、紫外伪色与红外伪色图像的RGB统计特征训练随机森林模型，在200个颜料类别上达到99.3%的准确率，为XRF、拉曼等传统手段提供轻量、低成本的现场替代方案，可应用于涂料分析与颜色质控场景。
BASF安特卫普工厂部署机器学习软测量，实时优化蒸馏过程控制
BASF 安特卫普团队将机器学习模型作为虚拟传感器用于蒸馏过程质量控制，结合西门子 Industrial Edge 边缘部署，使操作员获得近实时质量参数估计，减少对实验室分析的依赖，支撑 APC 高级过程控制策略。
arXiv论文：Autocata自主智能体实现反应网络导向的催化剂自动筛选
9月30日提交至arXiv的论文发布Autocata——知识嵌入的催化剂筛选自主智能体：以200万个催化剂-吸附物结构预训练的Transformer为核心，内置79个吸附物专项生成模型组成的可复用能力注册表，用户以自然语言下达反应目标即可自动解构反应网络并完成候选表面构型生成与筛选。
机器学习框架切入耐冲蚀涂层配方设计：先解决标准化数据集缺口
研究人员提出将机器学习应用于耐冲蚀涂层理性设计的系统方法论，指出现有最大障碍是该领域缺乏标准化、经整理的数据集；工作重点构建分子、组成与工艺参数专用数据集，为预测模型奠基，替代经验试错法，有望加速新配方开发并降低对实体测试的依赖。
机器学习预测AEM电解槽衰减：恒流工况下电压劣化可中期预报
意大利团队9月29日在arXiv发布研究，用LSTM/CNN等模型对阴离子交换膜（AEM）电解槽恒流运行数据进行训练，实现槽电压衰减曲线的中期预测，为绿氢设备寿命管理提供数据驱动工具。
arXiv展望：聚合物信息学迈向'超级智能'，从性质预测到全设计周期决策
9月28日发布于arXiv（2609.34051）的路线图文章系统梳理聚合物信息学的现状与下一步：该领域已从孤立性质预测发展为耦合数据、模型与决策的整合学科，正朝覆盖聚合物设计全周期的'超级智能'演进。
机器学习框架同时预测生物基单体四大性质，乳液聚合替代选型加速
研究人员开发集成机器学习框架，可同时预测生物基单体的链增长速率常数、竞聚率、玻璃化转变温度与水溶性四项关键性质，并整合为统一选型工具，已在涂料与胶粘剂应用中验证。生物基聚合物有望从当前约1%份额增至2035年的4-5%，该工具为石油基单体的可持续替代提供了系统化筛选路径。
arXiv论文：机器学习识别316L不锈钢氢脆微结构，提出防数据泄漏的区域留出评估法
9月23日提交arXiv的研究提出区域留出(LORO)交叉验证协议，解决SEM图像分类氢脆样本时训练/测试集信息泄漏问题，在14个空间区域31张图像上系统比较六种特征-分类器组合，为氢能储运材料的ML质检建立可信评估基准。
《自然·材料》：机器学习+激光3D打印造出超强钛合金，屈服强度约1.5GPa兼具7.5%延伸率
香港城市大学与天津大学团队用激光粉末床熔融结合高通量实验和机器学习，开发出含亚10纳米堆叠层带的超强钛合金，屈服强度约1.5GPa、抗拉强度超1.7GPa、均匀延伸率约7.5%，兼顾复杂几何成型与规模化制造。
阿贡与 NVIDIA 等联合发布“趋同实验室”预印本：化学研究的瓶颈，从产生数据变成整合数据
阿贡、NVIDIA、Lila Sciences 等机构联合预印本提出：AI 推理、自驾驶实验室、机器学习势、量子计算、智能体编排五层技术正在趋同为一个栈，开源小模型在专业基准上反超通用大模型。企业版的同一命题：把散落的实验、批次、质检记录整合成 AI 可用的形态。
物理引导机器学习逆向设计钴基高温合金：高斯过程回归精度R²达0.932
9月23日提交arXiv的研究提出物理信息机器学习框架逆向设计钴基高温合金，以原子尺寸失配等四个物理描述符预测γ'相固溶温度，高斯过程回归留一交叉验证R²=0.932、RMSE=34.7°C，并兼顾合金密度进行多目标优化。
PolyBench26发布：近25万数据点的聚合物性能预测开放基准，填补机器学习评测空白
9月22日提交至arXiv的PolyBench26构建了包含近25万条聚合物-性能数据点、覆盖八种物理性质的开放基准，数据融合实验测量、密度泛函理论与分子动力学来源，并超越均聚物覆盖更复杂聚合物结构；评测显示先进模型的优势在不同训练集规模下保持稳健，为复杂聚合物设计空间的模型开发提供可复现基础。
材料科学专用AI基座模型盘点：58个新模型浮现，多模态融合成主线
一篇发表于ChemRxiv的综述系统梳理材料科学AI基础模型的发展：基于Web of Science 557条记录的文献计量分析识别出58个材料科学专用基座模型。研究指出，单一材料可由成分表、晶体结构、电镜图像与光谱时序数据等多模态描述，统一表征是加速材料研发的关键。
arXiv综述：机器学习加速高熵合金催化剂设计，破解天文数字级组分空间搜索难题
中国科研团队在arXiv发布综述，系统梳理机器学习方法在高熵合金（HEA）催化剂设计中的应用：通过预测模型与代理模型解析成分-结构-性能关系，结合大语言模型构建集成设计工作流，可显著降低传统试错成本。高熵催化剂因组分空间巨大，正是ML方法最具优势的材料体系之一。