機械学習による潜在的分子ダイナミクスによる水性有機リドックスフロー電池の酸性定数とリドックスポテンシャルの計算を加速する
Feng Wang1, Zebing Ma1, Jun Cheng1,2,3
1State Key Laboratory of Physical Chemistry of Solid Surfaces, iChEM, College of Chemistry and Chemical Engineering, Xiamen University, Xiamen 361005, China.
効率的なエネルギー貯蔵の開発はクリーンエネルギーにとって不可欠です. この研究では,水性リドックスフロー電池における有機分子に対するリドックスポテンシャルを正確かつ効率的に計算するための新しい機械学習法が導入されています.
科学分野:
- 電気化学
- 材料科学
- コンピュータ化学
背景:
- 大規模なエネルギー貯蔵の需要が増えることで クリーンエネルギーへの関心が高まっています
- レドックスフロー電池 (RFB) は有望で,水性有機RFBは移行金属システムに費用対効果の高い代替品を提供します.
- リドックスポテンシャルを正確に予測することは RFB のための新しい有機分子設計に不可欠ですが,現在の計算方法には課題があります.
研究 の 目的:
- 正確で効率的な酸化還元能力と酸性定数計算のための普遍的な機械学習ポテンシャル (MLP) の構築のための自動化されたワークフローを開発する.
- 水性酸化還元電池のための新しい有機分子の迅速なスクリーニングと設計を可能にします.
- 先進的なシミュレーション技術を用いてリドックスポテンシャルを予測する計算コストを削減する.
主な方法:
- 反応物質と産物状態の両方に適用可能な単一の普遍的な機械学習ポテンシャル (MLP) を作成するための自動化されたワークフローを開発しました.
- 初期分子動力学 (AIMD) のシミュレーションを加速するために,機械学習分子動力学 (MLMD) を利用した.
- ハイブリッド機能レベルでの予測されたリドックスポテンシャルの費用対効果の評価を可能にしました.
主要な成果:
- 有機分子のリドックスポテンシャルと酸性定数の効率的な計算のための普遍的なMLPを作成しました.
- 開発されたワークフローが従来の方法と比較して計算コストを大幅に削減することを実証しました.
- 先進的な水性有機RFBの設計に不可欠な正確なリドックスポテンシャル予測を容易にした.
結論:
- 自動化されたワークフローと普遍的なMLPは,水性酸化還元流電池の有機分子設計により効率的で正確なアプローチを提供します.
- この方法は,暗黙の解算モデルとAIMDの高い計算コストの限界を克服します.
- 次世代のエネルギー貯蔵材料の発見と開発を加速する
さらに関連する動画
06:53Author Spotlight: Magnetometric Characterization of Intermediates in the Solid-State Electrochemistry of Redox-Active Metal-Organic Frameworks
Published on: June 9, 2023
11:44Using Cyclic Voltammetry, UV-Vis-NIR, and EPR Spectroelectrochemistry to Analyze Organic Compounds
Published on: October 18, 2018
関連する概念動画
Ladder Diagrams: Redox Equilibria
Consider the Fe3+/Fe2+ half-reaction, which has a standard-state potential of +0.771 V. At potentials more positive than +0.771 V, Fe3+ predominates, whereas Fe2+...
Electrolysis
Standard Electrode Potentials
Redox Equilibria: Overview
Balancing Redox Equations
Electromotive Force
