据北大官网报导，潘锋课题组进一步深入研究材料知识图谱的构建技术和应用潜力，实现了对隐藏在文本中的潜在材料关联的挖掘，进一步实现了材料的推理预测。近日，他们在《先进功能材料》(Advanced Functional Materials, DOI:10.1002/adfm.202201437)发表题为“Automating Materials Exploration with a Semantic Knowledge Graph for Li-ion Battery Cathodes”的研究论文。该研究提出了一种可实现材料科学知识嵌入的语义表示框架，通过多源信息融合提高材料实体的表示质量以对材料科学文献中的锂离子电池正极材料实体进行精准挖掘并构建正极材料知识图谱，预测高性能锂电池材料。该工作在几乎不需要领域知识的情况下，实现了复杂材料系统的基于文本挖掘的高效知识融合和推理与预测，将助力实现数据驱动的材料研究新范式。