厦门大学等提出ProtoMI框架：从稀疏文献知识迁移，加速锂电电解液添加剂发现
9月2日提交至arXiv的论文提出文献驱动的原型引导分子智能框架ProtoMI，从已报道电解液添加剂中学习可迁移的结构先验，对未标注化学空间中的候选分子排序。针对硼系添加剂案例，框架从数百万分子中筛选的候选在容量保持率等指标上进入文献报道值前1%。通讯作者为厦门大学黄加庆团队。
分子筛选
共 2 篇 · B910化工 · AI 化学信息库
机器学习从十亿级分子空间提炼锂电电解质设计规则：腈主导、醚辅助
arXiv新预印本（2608.16364）对近10亿GDB13分子进行电子-溶剂化描述符高通量筛选，发现高排名候选分子呈现"腈类主导"与"腈醚共存"两种机制，进而提炼出腈为中心、醚为辅助的基元层级。该层级嵌入生成模型后无需显式氟化奖励即可产出高分氟化结构，为锂电池电解质分子设计建立了可解释框架。