1. 掌握固态离子电解质的基本概念、关键性能及其表征。

2.了解利用第一性原理（DFT）和分子动力学（MD）计算固体电解质性质的基本方法和挑战。

3.掌握机器学习的基本概念、常用算法及其在材料科学中的应用流程。

4.学习如何构建适用于固态电解质的特征描符（Features/Descriptors）。5. 熟练运用Python及其相关库（Numpy, Pandas, Scikit-learn, Pytorch/TensorFlow, Pymatgen）处理材料数据和构建机器学习模型。

6.掌握利用机器学习预测固态电解质关键性能（如离子电导率、稳定性等）的方法。

7.学习使用机器学习加速新型固态电解质材料的发现和设计。

8.掌握使用机器学习与传统计算模拟（DFT/MD）结合的策略。