末成年小嫩xb,嫰bbb槡bbbb槡bbbb,免费无人区码卡密,成全高清mv电影免费观看

?JACS:機器學習預測適合全固態(tài)Li-S電池的固態(tài)電解質(zhì)

本文利用基于密度泛函理論的計算和機器學習的原子間勢,對全固態(tài)LSB中正極-電解質(zhì)界面的熱力學和動力學進行了全面研究。

?JACS:機器學習預測適合全固態(tài)Li-S電池的固態(tài)電解質(zhì)
鋰硫電池(LSB)是最有前景的儲能技術(shù)之一,因為其成本低,硫儲量高。然而,多硫化物穿梭及其相應的容量衰減問題是其商業(yè)化的一個主要障礙。采用固態(tài)電解質(zhì)(SE)取代傳統(tǒng)的液態(tài)電解質(zhì)是一個潛在的解決方案。
加利福尼亞大學圣迭戈分校王學彬、魯爾基理工學院Swastika Banerjee等利用基于密度泛函理論的計算和機器學習的原子間勢,對全固態(tài)LSB中正極-電解質(zhì)界面的熱力學和動力學進行了全面研究。
?JACS:機器學習預測適合全固態(tài)Li-S電池的固態(tài)電解質(zhì)
圖1. 用于界面MTP開發(fā)的被動和主動學習流程圖
總的來說,預測顯示,充電后的S8正極比完全放電的Li2S正極的反應性要強得多。此外,預測表明,在幾種主要的固態(tài)電解質(zhì)(氧化物、硫化物、氮化物和鹵化物)中,硫化物SE通常對S8正極最穩(wěn)定,而其他SE化學成分則高度電化學不穩(wěn)定。如果由于其他原因需要使用其他的SE,一些二元和三元的硫化物(例如LiAlS2、Sc2S3、Y2S3)被預測為優(yōu)秀的緩沖層。
?JACS:機器學習預測適合全固態(tài)Li-S電池的固態(tài)電解質(zhì)
圖2. 基于不同電解質(zhì)/電極的反應能(左)和體積變化百分比
最后,作者利用主動學習方法開發(fā)了一個精確的機器學習原子間勢(ML-IAP)來研究S8|β-Li3PS4界面。大型界面模型(>1000s原子)的分子動力學(MD)模擬顯示,最穩(wěn)定的Li3PS4(100)表面傾向于與S8形成具有二維通道和較低鋰擴散激活障礙的界面。總體而言,這些結(jié)果為下一代全固態(tài)LSB的正極-電解質(zhì)界面設計提供了關(guān)鍵的新見解。
?JACS:機器學習預測適合全固態(tài)Li-S電池的固態(tài)電解質(zhì)
圖3. α-S8的電化學反應能(左)和相應的體積變化(右)
Thermodynamics and Kinetics of the Cathode–Electrolyte Interface in All-Solid-State Li–S Batteries. Journal of the American Chemical Society 2022. DOI: 10.1021/jacs.2c07482

原創(chuàng)文章,作者:華算老司機,如若轉(zhuǎn)載,請注明來源華算科技,注明出處:http://www.zzhhcy.com/index.php/2022/10/04/4fcaea4bad/

(0)

相關(guān)推薦

主站蜘蛛池模板: 慈利县| 雷州市| 和硕县| 灌阳县| 普兰县| 麟游县| 阿拉尔市| 宜丰县| 武定县| 沐川县| 资源县| 乌兰浩特市| 大城县| 湾仔区| 右玉县| 石泉县| 四川省| 惠安县| 牙克石市| 清原| 丘北县| 利川市| 林甸县| 玛多县| 嫩江县| 温泉县| 定远县| 卓尼县| 信丰县| 嘉峪关市| 江都市| 耿马| 定陶县| 涿州市| 浏阳市| 尚义县| 广饶县| 民和| 伊金霍洛旗| 兴业县| 鹿泉市|