机器学习辅助周期元素一体化改性材料优化方法及系统

本发明公开了一种机器学习辅助周期元素一体化改性材料优化方法及系统，属于锂离子电池正极材料设计与人工智能辅助材料优化领域。该方法包括：从元素周期表中筛选候选掺杂元素；以LiMnO为基体构建掺杂模型，通过高通量第一性原理计算获得原始数据集；进行数据清洗与特征工程处理，得到高关联特征数据集；基于训练集对多个基础机器学习模型进行训练并构建加权集成机器学习预测模型；通过特征重要性分析识别关键影响描述符；构建多目标优化函数筛选最优掺杂元素；基于最优掺杂元素构建体相掺杂、氧化物包覆及快离子导体包覆的一体化改性材料；进行电化学性能测试并将结果反馈至模型更新。