AI2 for Battery Materials 第九届全国储能科学与技术大会_第1页
AI2 for Battery Materials 第九届全国储能科学与技术大会_第2页
AI2 for Battery Materials 第九届全国储能科学与技术大会_第3页
AI2 for Battery Materials 第九届全国储能科学与技术大会_第4页
AI2 for Battery Materials 第九届全国储能科学与技术大会_第5页
已阅读5页,还剩37页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

郑家新2024/03/23AI2forBatteryMaterialsAI2Zheng*etal,JPCL2024材料信息学基于数据找新材料),Zheng*etal,JPCL2024掺杂影响锂镍混排的因素Zheng*etal,JPCL2024JournalofPowerSources2013,244,23–28JournalofPowerSources2007,174,730–734CeramicsInternational2017,43,3483–3488JournalofSolidStateElectrochemistry2011,15,747–751.研究方法:设计反位构型计算反位形成能Ef=ENi−EtialVYPymatgenfeatures:••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COOPSU−SD和Mago可用作表征超交换强弱的指标••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物理驱动的机器学习突破多尺度仿真问题宏观→介观→微观可迁移性第一性原理精确度宏观→介观→微观可迁移性第一性原理精确度慢快物理驱动的机器学习突破多尺度仿真问题锂金属负极生长机理研究物理驱动的机器学习模型:精度高、效率高锂金属负极生长机理研究物理驱动的机器学习模型:精度高、效率高第一性原理计算产生数据,机器学习为分子动力学模拟拟合力场参数“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压强对锂枝晶的影响及其作用机理研究研究方法研究结果Zheng*etal,J.EnergyChem.2023压强对金属锂的自修复有何影响?••基于MTP模型构建机器学习势场,使用降维方法可视化特征空间JournalofEnergyChemistry79(2023)489-494JournalofEnergyChemistry79(2023)489-494表面平滑无枝晶JournalofEnergyChemistry79(2023)489-494••随着外部压力增大,枝晶加速融合,表面变得平滑JournalofEnergyChemistry79(2023)489-494加压后更快愈合加压后更快愈合加压后得以愈合加压后得以愈合JournalofEn

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论