反应探索揭示了离子电池电解质降解中的强烈动力过
Hsuan-Hao Hsu1, Tianfan Jin1, Brett M Savoie2
1Davidson School of Chemical Engineering, Purdue University, West Lafayette, Indiana 47906, United States.
The journal of physical chemistry letters
|July 22, 2025
概括
自动计算方法预测离子电池电解质降解产品. 这揭示了导向固体电解质相间形成的动力过效应,使得合理的电解质设计成为可能.
科学领域:
- 材料科学 材料科学 材料科学
- 电化学 电化学 电化学
- 计算化学的计算化学
背景情况:
- 固体电解质间相 (SEI) 对离子电池 (LIB) 的寿命和稳定性至关重要.
- SEI形成涉及复杂的电解质降解反应,这些反应很难通过计算来预测.
- 目前用于预测SEI形成的计算方法在范围和适用性方面是有限的.
研究的目的:
- 为了证明在LIBs中预测主要电解质降解产品的自动反应探索.
- 了解动力障碍如何影响SEI形成路径.
- 为合理的电解质设计提供计算框架.
主要方法:
- 使用自动反应探索来预测没有实验数据的降解产品.
- 开发了一个计算化学反应网络 (CRN) 来分析降解途径.
- 执行计算过渡状态搜索以识别动力障碍.
主要成果:
- 成功预测了标准LIB电解质 (EC/LiPF6) 的主要降解产物.
- 确定了对乙烯单碳酸盐 (LEMC) 和乙烯二碳酸盐 (LEDC) 的强烈动力选择性.
- 揭示了对关键SEI有机物种之前未报告的反应路径,并澄清了水分的作用.
结论:
- 自动反应探索有效地预测基于动力过的SEI形成化学.
- 开发的CRN为竞争中的LEMC和LEDC形成提供了统一的解释.
- 这种方法在推进LIB电解质设计和提高电池性能方面具有重大潜力.
更多相关视频
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
4.7K
05:37Rapid in-silico Battery Electrolyte Electrochemical Reaction Generation using 3T-VASP Multi-Scale Energy Minimization
Published on: August 22, 2025
81
