化学还原法是一种相对简单的合成方法，昌吉其具备简单易用、可控性强、纯度高、均一性好等优势。

过去的全局优化启发式算法使用耗时的密度泛函理论方法确定团簇能量，绿能利实而借助机器学习方法则有望减少DFT计算成本。将该模型与粒子群优化算法和密度泛函理论计算结合，木垒目顺以搜索团簇的全局稳定结构，找到了Li20的全局基态。

由于能够有效捕捉最近邻之间的相互作用，源项它们非常适合研究化学反应。通过对电子结构的进一步研究分析，昌吉极化的-NH2对气体分子的优先吸附能力主要来源于十二硼烷上两个多余电子的分布。通过总结以前的工作并对这些描述符进行批判性评估，绿能利实该工作可为基于机器学习的材料学研究提供理论指导，绿能利实并为结构编码方法的优化和创新提供一定的启发。

该研究成果以Li-richchannelsasthematerialgeneforfacilelithiumdiffusioninhalidesolidelectrolytes为题发表于eScience，木垒目顺并被选为封面文章。源项DOI:10.1038/s41467-022-33868-8。

研究团队合成了一种A3M2X9型的层状钙钛矿材料(TMA)3Sb2Cl9，昌吉简称为TSC。

绿能利实该项研究成果以AlgebraicGraph-BasedMachineLearningModelforLi-ClusterPrediction为题发表在J.Phys.Chem.A上。该研究引入了持续路径拓扑，木垒目顺以有效地描述从功能单元（如构型异构体、木垒目顺顺反异构体、手性分子、Jahn-Teller异构体和高熵合金催化剂）中提取的有向网络。

上述过程的能垒仅为78meV/atom，源项因此TSFC的铁弹转变可以快速进行。这项研究极大地缩小了电解质-负极界面保护层材料的搜索空间，昌吉因而有望加速固态锂金属电池的开发与应用进程。

尽管EPC矩阵与许多基本物理化学性质密切相关，绿能利实但由于计算成本高，精确计算EPC矩阵仍然是一个挑战。该材料简称为TSFC，木垒目顺此时空间群转变为P212121。