本發(fā)明提供了一種基于機器學習篩選鋰硫電池中最佳載體材料的方法及系統(tǒng)，包括：對AB₂型二維層狀載體材料的結構進行優(yōu)化；設置多種多硫化物，利用密度泛函理論計算吸附能，構建吸附結構與吸附能相對應的數(shù)據(jù)集；對數(shù)據(jù)集中的結構進行原子局部化學環(huán)境計算，得到數(shù)據(jù)集中的結構特征；基于數(shù)據(jù)集中的結構特征對深度神經(jīng)網(wǎng)絡進行訓練，根據(jù)訓練后的深度神經(jīng)網(wǎng)絡預測任意構型、任意位點的吸附能；利用遷移學習算法，對預設的AB₂型二維層狀載體材料吸附多硫化物的深度神經(jīng)網(wǎng)絡參數(shù)進行相應調整；對預設的AB₂型二維層狀載體材料吸附多硫化物的深度神經(jīng)網(wǎng)絡進行訓練，根據(jù)訓練后深度神經(jīng)網(wǎng)絡預測得到任意構型、位點的吸附能，根據(jù)平均值衡量吸附能力的大小。