机器学习驱动的大量发现和高通量选以乙烯为基础的电解质,用于高稳定性金属电池
Qingqing Jia1, Hongguang Liu1, Xueping Wang1
1State Key Laboratory of Coordination Chemistry, MOE Key Laboratory of Mesoscopic Chemistry, Engineering Research Center of Photoresist Materials, Ministry of Education, MOE Key Laboratory of High Performance Polymer Materials and Technology, MOE Engineering Research Center of Photoresist Materials, Jiangsu Key Laboratory of Advanced Organic Materials, Tianchang New Materials and Energy Technology Research Center, Institute of Green Chemistry and Engineering, School of Chemistry and Chemical Engineering, Nanjing University, Nanjing, Jiangsu, 210023, P. R. China.
研究人员开发了一个新的计算框架,以快速选高压金属电池 (LMB) 的乙烯电解质. 这加速了为高能量密度可充电电池的先进电解质的发现.
科学领域:
- 电化学 电化学 电化学
- 材料科学 材料科学 材料科学
- 计算化学计算化学
背景情况:
- 在电解质中的高压稳定性对于提高金属电池 (LMB) 性能至关重要.
- 由于缺乏高压应用的高效评估工具,乙烯的广泛化学空间在很大程度上仍未被探索.
研究的目的:
- 开发一个计算框架,快速评估乙烯电解质的氧化稳定性,合成性和溶解性质.
- 选一个大型的虚拟库的乙烯候选人高压LMB应用程序.
主要方法:
- 使用了投票组合算法和图形卷积神经网络 (GCNN) 的组合.
- 构建和选了5576个电解质的虚拟图书馆.
- 合成了两个有前途的乙烯候选物,并经过实验验证.
主要成果:
- 开发的框架成功选了潜在的乙烯溶剂候选者.
- 两种新的化乙烯表现出高压稳定性和出色的溶解能力.
- 合成的电解质在Li RadicaNMC811全细胞中实现了近99.5%的库伦比效率.
结论:
- 计算框架使高压耐受溶剂的有效发现成为可能.
- 这种方法加速了用于高能量密度可充电电池的先进电解质的开发.
- 该研究强调了乙烯在下一代储能解决方案中的潜力.
更多相关视频
07:55Elemental-sensitive Detection of the Chemistry in Batteries through Soft X-ray Absorption Spectroscopy and Resonant Inelastic X-ray Scattering
Published on: April 17, 2018
11:25Identification and Quantification of Decomposition Mechanisms in Lithium-Ion Batteries; Input to Heat Flow Simulation for Modeling Thermal Runaway
Published on: March 7, 2022
相关概念视频
Batteries and Fuel Cells
Electrochemical Cells
Microbial Fuel Cells
