20240323_北京大学_储能行业：第九届全国储能科学与技术大会_22页.pdf

AI2for Battery Materials 2024/03/23AI2for Battery MaterialsAb Initio(AI)Artificial Intelligence(AI)AI2Zheng*et al,JPCL 2024 1 2 XVAZvMqNmPnMoQpMqNpQnM7N8Q7NmOmMnPmQiNnNmReRmMrOaQoOxONZnNrPxNnQnO高通量计算工作流可视化建模多源数据库结构文件导入可视化数据分析电池材料计算数据库电池材料测试数据库材料筛选/设计AI 模型计算引擎数据提取 Zheng*et al,JPCL 2024 研究背景研究方法研究结果Zheng*et al,JPCL 2024OfDKa2uK+m5ZAh+06w7NjpKvZxvDHl7CnYBIQwX/6MMzx+loF/RfDQ8scJGObOwa Li/Ni 混排是高镍层状正极材料的固有缺陷可以通过调控该缺陷的程度来调控材料性能掺杂是调控该缺陷的常用重要手段缺乏对于掺杂元素影响反位难易在统一条件下的系统比较研究J.Phys.Chem.C 2021,125,1960019608Mo,Al Li/Ni 混排促进抑制？Journal of Power Sources 2013,244,2328 Journal of Power Sources 2007,174,730734Ceramics International 2017,43,34833488Journal of Solid State Electrochemistry 2011,15,747751.:=/Al NbCo RhCr ScGa SnGe TiIn VMg YMo Zr 对于每一种掺杂元素，六种反位构型，计算反位形成能选取部分掺杂元素中的另一11 号Ni，计算验证，结果可靠灰色：Ni绿色：Li紫色：Mn红色：O蓝色：掺杂元素NMC811：LiNi0.8Mn0.1X0.1O2（X 是掺杂元素）:使用机器学习加速分析影响材料性能的复杂因素：根据经验及现有材料分析辅助工具，结合材料的特点，构造尽可能多的描述符做线性相关性分析，删去冗余的描述符，保留相关度较低的各个特征Self-defined Features:Electronic features:56,Structural features:44Distinct Features:Electronic features:11,Structural features:7Matminer Features:Magpie features:132,Deml features:80,Pymatgen features:45 发现：使用物理含义清晰且彼此相关性弱的描述符的预测性能更好npj Computational Materials 2(2016)16028:特征之间相关性系数均低于0.5，相关性弱对Li/Ni 反位缺陷影响显著的特征：掺杂元素价态、局部超交换作用强弱、键强变化等电子结构特征键长变化、晶胞体积变化等晶体结构特征掺杂元素价态升高，Ni 元素价态降低，O 磁矩增加局部构型超交换作用增强，反位更容易发现特征和可用作表征超交换强弱的指标，从而用来指示反位的难易对于同种掺杂元素的六种构型局部构型，探究晶体结构的影响，这避免了掺杂元素本身半径和X-O 键长不同导致的对规律的掩盖发现反位带来的体积变化越剧烈，反位越困难。体积变化来自于键长的变化，键强的变化也符合同一趋势 105 ps s O(n3)O(n)/物理驱动的机器学习模型：精度高、效率高“物理驱动的机器学习模型”确保在任意两个尺度耦合上，既具备微观尺度模拟精度，又具备宏观模型的效率第一性原理计算分子动力学模拟+锂金属负极生长机理研究背景介绍研究方法研究结果Zheng*et al,J.Energy Chem.2023 实验上发现施加外压后锂枝晶减少，锂金属电池性能提升；在原子尺度上，外压是如何影响锂枝晶的？压强对金属锂的自修复有何影响？Zhang et al.,Adv.Energy Mater.2021,11,2003416 Journal of Energy Chemistry 79(2023)489 494 MTP Journal of Energy Chemistry 79(2023)489 494 Journal of Energy Chemistry 79(2023)489 494 Journal of Energy Chemistry 79(2023)489 494 Journal of Energy Chemistry 79(2023)489 494 Journal of Energy Chemistry 79(2023)489 494/