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://m.zzhhcy.com/index.php/2022/10/04/4fcaea4bad/

(0)

相關(guān)推薦

主站蜘蛛池模板: 信丰县| 双江| 玉屏| 高唐县| 金山区| 罗田县| 清丰县| 昭平县| 大邑县| 双流县| 东山县| 乐平市| 拜泉县| 淄博市| 东明县| 武宁县| 屯昌县| 濉溪县| 伊宁县| 牡丹江市| 天全县| 进贤县| 金坛市| 翁牛特旗| 公主岭市| 冕宁县| 图片| 南康市| 承德市| 从化市| 裕民县| 聂拉木县| 昌邑市| 彩票| 崇义县| 图木舒克市| 温泉县| 育儿| 台中市| 福海县| 周口市|