固体電解質Li10GeP2S12における四重極NMRダイナミクスのシミュレーション

科学分野:

• 固体化学
• 材料科学
• 計算化学

背景:

• 四重極固体状態核磁気共鳴（NMR）分光法は、固体電解質におけるリチウムイオン拡散ダイナミクスに敏感です。
• NMRデータの解釈は、材料の複雑さと運動狭窄効果のために困難です。
• 原子シミュレーションは計算コストが高く、しばしば理想化されたモデルを使用します。

研究 の 目的:

• バッテリー材料の固体状態NMR研究における実験的複雑性に対処するための機械学習（ML）支援ワークフローを開発すること。
• マイクロ秒スケールの分子動力学（MD）シミュレーションを可能にし、リチウムイオン導電体の電場勾配（EFG）テンソルを予測すること。
• NMR観測量を正確に予測し、リチウムイオン電池材料のイオンダイナミクスを区別すること。

主な方法:

• Li10GeP2S12（LGPS）のマイクロ秒スケールMDシミュレーションのためにML加速を利用しました。
• MDトラジェクトリーからのEFGテンソル予測を効率化するためのテンソルモデルを採用しました。
• 温度依存の7Li NMR四重極観測量を計算し、in silicoでスピンアライメントエコー（SAE）実験をエミュレートしました。

主要な成果:

• 四方晶系LGPSの予測値（24 kHz）と実験値（23 kHz）の四重極結合との間に優れた一致を達成しました。
• 運動狭窄を考慮して、7Li NMR四重極観測量の温度依存性を予測することに成功しました。
• シミュレートされたSAEデータに対する逆ラプラス変換を使用して、異なるLGPS結晶構造におけるLiイオン運動の相関時間を抽出しました。

結論:

• ML支援ワークフローは、バッテリー材料の複雑な固体状態NMRデータの解釈における限界を効果的に克服します。
• NMR観測量とイオンダイナミクスの正確な予測が可能であり、リチウムイオン拡散の理解を深めます。
• 開発された方法論は、固体電解質における粒間対粒内イオンダイナミクスの区別に有望です。