1600
2022-01-15
颗粒在线讯：材料多尺度计算和机器学习是新材料设计的重要技术手段，在揭示材料本征特性与宏观性能的内在关系方面具有优势。就电池材料而言，电化学性能包含了能量密度、倍率性能、循环性能等多因素。如何通过这些方法实现复杂电池材料性能的有效计算与模拟，对电池材料设计与性能优化十分重要。
近期，中国科学院上海硅酸盐研究所研究员刘建军团队从电池材料中电化学反应焓变对可变参数（如电荷转移数、离子迁移反应坐标、副反应焓变等）微分的电化学活性计算模型出发，构建了多尺度方法和机器学习结合的计算电化学方法，并确定了电化学性能计算的边界条件。利用这种计算电化学方法，可以实现电池材料能量密度与倍率性能有效预测，并能通过与机器学习方法结合，实现电池循环性能的有效预测。相关工作发表在WIREs Computational Molecular Science上。
固体电解质是全固态电池的重要组成，需要满足高离子电导率与电化学稳定性。研究团队利用计算电化学方法，首次发现一种阳离子与阴离子互为五配位多面体堆积的材料Li3NbO4。与传统晶体结构呈现四配位与六配位不同，该[LiO5]与[NbO5]五配位结构，拓宽了Li+离子的迁移通道，具有低的离子迁移势垒（0.39V）与高的离子电导率（3.3×10-2S/cm），电化学窗口达到了4.38V。相关工作发表在ACS Energy Letters上。
研究工作得到国家自然科学基金重点项目、面上项目、青年基金项目和上海市科委等的支持。
图1.电化学性质计算方法的本质是在多尺度上求解能量对不同变量参数的微分
图2.（a）五配位Li3NbO4的晶体结构；（b）锂离子的迁移通道
版权与免责声明：
（1） 凡本网注明"来源：颗粒在线"的所有作品，版权均属于颗粒在线，未经本网授权不得转载、摘编或利用其它方式使用上述作品。已获本网授权的作品，应在授权范围内使用，并注明"来源：颗粒在线"。违反上述声明者，本网将追究相关法律责任。
（2）本网凡注明"来源：xxx（非颗粒在线）"的作品，均转载自其它媒体，转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责，且不承担此类作品侵权行为的直接责任及连带责任。其他媒体、网站或个人从本网下载使用，必须保留本网注明的"稿件来源"，并自负版权等法律责任。
（3）如涉及作品内容、版权等问题，请在作品发表之日起一周内与本网联系，否则视为放弃相关权利。
