solid-state-electrolyte-conductivity

该数据集由Scandium Labs构建，名为“固态电池电解质数据集——离子电导率与活化能”，旨在为固态电池电解质材料的发现和传输性质预测提供机器学习就绪的基准数据。数据集包含30,838条体相结构/热力学DFT记录，来源于Materials Project、JARVIS-DFT、COD、AFLOW、NOMAD、OQMD等数据库，以及183个人工验证的实验离子电导率（σ_RT）和活化能（Ea）标签，覆盖11个主要固态电解质家族（硫化物、氧化物、石榴石、钙钛矿、NASICON、卤化物、硫银锗矿、氢化物、硼氢化物、反钙钛矿、聚合物/复合材料）。另有427个材料具有跨论文共识统计，以及165条黄金基准记录。数据集提供四个配置：default（全部记录）、verified（验证标签）、consensus（共识统计）、gold_benchmark（黄金基准）。数据划分基于组成-家族键分组，防止泄漏。构建过程采用自动化多智能体管道，包括源摄取、家族分类、文献挖掘、LLM辅助提取、确定性验证（Arrhenius一致性、单位归一化、跨论文共识）、人工审核、质量评分和验证，最终全部确定性化。已知限制包括：98%的质量评分记录处于单一“银”级（因实验元数据稀疏）；反钙钛矿、氢化物、硼氢化物覆盖不足（反映领域出版量）；体相DFT行未经过固态电解质相关性筛选，需检查family和negative.*标志；150条AFLOW记录仅限非商业使用。数据集许可为CC-BY-4.0（Scandium内容），第三方记录保留其原始许可。适用于表格回归和分类任务，特别是材料科学、化学、电池、固态电解质、离子电导率、活化能、锂离子、DFT、机器学习、材料信息学等领域。This dataset, constructed by Scandium Labs, is titled Solid-State Battery Electrolyte Dataset - Ionic Conductivity and Activation Energy, aimed at providing machine learning-ready benchmark data for the discovery and transport property prediction of solid-state battery electrolyte materials. It contains 30,838 bulk structure/thermodynamic DFT records from databases such as Materials Project, JARVIS-DFT, COD, AFLOW, NOMAD, OQMD, along with 183 manually validated experimental ionic conductivity (σ_RT) and activation energy (Ea) labels covering 11 major solid-state electrolyte families (sulfides, oxides, garnets, perovskites, NASICON, halides, argyrodites, hydrides, borohydrides, anti-perovskites, polymer/composites). An additional 427 materials have cross-paper consensus statistics, and 165 gold benchmark records. The dataset offers four configurations: default (all records), verified (verified labels), consensus (consensus statistics), and gold_benchmark (gold benchmark). Data splits are based on composition-family key grouping to prevent leakage. The construction process uses an automated multi-agent pipeline including source ingestion, family classification, literature mining, LLM-assisted extraction, deterministic validation (Arrhenius consistency, unit normalization, cross-paper consensus), human review, quality scoring, and verification, with full deterministic finalization. Known limitations include: 98% of quality-scored records are at a single silver tier (due to sparse experimental metadata); undercoverage of anti-perovskites, hydrides, and borohydrides (reflecting domain publication volume); bulk DFT rows not screened for solid-state electrolyte relevance (require checking family and negative.* flags); 150 AFLOW records are restricted to non-commercial use. Dataset license is CC-BY-4.0 (Scandium content), third-party records retain their original licenses. Suitable for tabular regression and classification tasks, especially in materials science, chemistry, batteries, solid-state electrolytes, ionic conductivity, activation energy, lithium ions, DFT, machine learning, and materials informatics.

原始信息汇总

固态电池电解质数据集 — 离子电导率与激活能

数据集概述

该数据集由Scandium Labs构建，版本为v1.9.0，提供经过文献验证的离子电导率和激活能标签，覆盖30,000多个含锂结构，用于固态电池电解质的发现与输运性质预测。数据集包含30,838条体相结构/热力学DFT记录（来自Materials Project、JARVIS-DFT、COD、AFLOW、NOMAD、OQMD），183条人工验证的实验电导率/激活能标签，427种具有跨论文共识统计的材料，以及165条黄金基准记录。

数据配置

数据集提供四种配置：

• default：默认完整数据
• verified：经文献验证的传输性质标签，包含来源DOI、测量温度、测量方法、电导率类型及句子级来源证据
• consensus：跨论文共识统计数据
• gold_benchmark：165条黄金基准记录

电解质家族覆盖

涵盖全部11大固态电解质家族：硫化物、氧化物、石榴石型、钙钛矿型、NASICON、卤化物、硫银锗矿型、氢化物、硼氢化物、反钙钛矿型以及聚合物/复合材料。

构建流程

采用自动化多智能体流水线：来源采集（8个连接器）→ 家族分类 → 文献挖掘与LLM辅助提取 → 确定性验证（Arrhenius一致性、单位归一化、跨论文共识）→ 人工审查 → 质量评分 → 验证 → 发布。流水线在数据采集后完全确定性运行。

数据划分

按组成-家族键分组划分，防止同一基础组成的多晶型物和掺杂变体之间的数据泄漏。

已知局限

• 98%的质量评分记录处于单一“银级”层级，因实验元数据（密度、压力、气氛）稀疏
• 反钙钛矿、氢化物和硼氢化物的覆盖不足
• 体相DFT行未经固态电解质相关性筛选
• 150条AFLOW记录仅限非商业使用

许可

Scandium自有内容采用CC-BY-4.0许可。第三方记录保留其来源许可（Materials Project CC-BY-4.0、JARVIS-DFT CC0、OQMD CC-BY-4.0、COD CC0、NOMAD CC-BY-4.0、AFLOW仅限非商业）。

使用建议

• 验证标签稀疏且珍贵，体相DFT行作为特征化结构/组成基础
• 使用前需检查family/negative.*标志筛选固态电解质相关性
• 提供配套数据集Scandium-Dataset（267,230种材料）作为早期发现阶段筛选基础

搜集汇总

数据集介绍

构建方式

该数据集由Scandium Labs构建，融合了多个权威数据库的DFT结构数据与文献验证的实验传输性质标签。构建流程采用自动化多代理流水线，涵盖源数据摄取、材料家族分类、文献挖掘与LLM辅助抽取，随后进行确定性验证，包括阿伦尼乌斯方程一致性检查、单位归一化及跨论文共识统计，再经由人工复核与质量评分，最终形成多层级、可溯源的数据制品。数据以四个配置划分，分别对应默认、已验证、共识及黄金基准子集，确保不同用途的灵活选用。

特点

数据集的核心亮点在于其文献级验证的传输性质标签，每一条实验数据均附有来源DOI、测量温度、方法及句子级出处证据。涵盖11大固态电解质家族，包括硫化物、氧化物、石榴石、钙钛矿等，并额外提供427种材料的跨论文共识统计与165条黄金基准记录。其分层结构设计有效缓解了数据稀疏问题，同时通过按组成家族分组的数据划分策略，有效防止了多晶型与掺杂变体间的信息泄漏，为材料信息学中的模型训练提供了可靠保障。

使用方法

本数据集适用于回归与分类任务，可通过HuggingFace加载器直接读取Parquet格式文件。建议依据具体研究需求选择配置：默认配置用于全面探索，已验证配置聚焦于高置信度实验标签，共识配置适用于需综合多源证据的统计分析，黄金基准配置则专供算法标准化评测。使用时需注意，98%的质量评分记录处于银级，且块体DFT行未经固态电解质相关性筛选，应结合family及negative标签进行过滤，同时依据identity.source_db字段遵循各源数据库的授权条款。

背景与挑战

背景概述

随着清洁能源转型对高能量密度储能系统的迫切需求，固态电池作为下一代电池技术的关键路径，其电解质材料的离子输运性能成为制约发展的核心瓶颈。Scandium Labs团队于2026年发布的固态电解质电导率数据集，通过整合Materials Project、JARVIS-DFT、COD等六大权威数据库的30,838条DFT结构数据，并辅以183条经文献溯源验证的实验电导率与活化能标签，构建了首个具备完整来源追踪的机器学习就绪资源。该数据集覆盖硫化物、氧化物、石榴石等11大电解质材料家族，其独创的多智能体自动化管线与确定性验证机制，为材料信息学领域提供了高可信度的训练基准，显著推动了电解质输运性质预测模型的发展，在电池材料基因组计划中具有里程碑意义。

当前挑战

该数据集直面固态电解质研发中的双重挑战。在领域层面，离子电导率与活化能的实验测量受温度、压力、气氛等多因素影响，现有文献数据分散且标准不一，传统数据库缺乏针对电解质性能的专门标注，导致机器学习模型难以获得高质量训练数据。在构建层面，团队需从海量异构文献中自动提取关键数值，需克服自然语言歧义与单位换算复杂性，同时要确保183条人工验证标签与30,000余条DFT记录间的兼容性。此外，数据稀疏性问题显著——98%的质量评分记录集中于单一银级层级，反钙钛矿、氢化物等家族覆盖不足，且150条AFLOW数据受非商业许可限制，这些均对模型的泛化能力与数据合规使用构成严峻挑战。

常用场景

经典使用场景

该数据集的核心用途在于为固态电池电解质材料的离子输运性质预测提供标准化的训练与验证基准。研究者和工程师可基于其30,838条体相结构及热力学DFT记录，结合183条经过文献验证的离子电导率（σ_RT）与活化能（Ea）标签，构建回归或分类模型，以预测新型电解质的输运性能。其多配置设计（如verified、consensus、gold_benchmark）支持不同精度需求的实验，尤其适合开发可泛化的机器学习模型，用于高通量筛选锂离子固态电解质，从而加速材料发现周期。

实际应用

在实际应用中，该数据集直接服务于新能源产业中的固态电池研发。企业团队可利用其verified配置构建高精度预测模型，快速筛选硫化物、石榴石、钙钛矿等11大电解质家族中的潜在候选材料，从而减少对昂贵且耗时的实验试错依赖。其gold_benchmark子集可作为标准化测试集，用于评估不同机器学习算法在离子电导率预测上的表现，辅助技术选型。此外，数据集的溯源特性符合工业界对可审计数据的需求，能为材料数据库的更新与专利策略的制定提供实证支撑，缩短从实验室到量产的时间跨度。

衍生相关工作

该数据集催生了多项延伸性研究工作。一方面，其确定性数据构建流水线（含LLM辅助抽取与人类审核）为材料信息学中的自动化数据挖掘树立了范例，激励了类似文献挖掘工具的研发，如从论文中自动提取传输性能的NLP系统。另一方面，基于其数据划分与基准，研究者已开发出多种针对离子电导率的图神经网络与描述符学习方法，探索组成、结构有序度与输运性质间的复杂映射。此外，数据集与Scandium-Dataset配合，形成了从结构筛选到性能预测的完整工作流，推动了迁移学习在本领域的应用，为跨家族电解质性能外推提供了新思路。