对于单相高氧化物阳极材料的关键因素的数据驱动探索
Moriyuki Kanno1,2, Toshiaki Taniike3, Itaru Honma1
1Institute of multidisciplinary research for advanced materials, Tohoku University, 2-1-1 Katahira, Aoba-ku, Sendai, Miyagi 980-8577, Japan.
The journal of physical chemistry letters
|September 10, 2025
概括
研究人员利用机器学习发现了制造单相高氧化物 (HEO) 的规则. 这导致了一种新的无HEO阳极,用于具有卓越稳定的先进的离子电池.
科学领域:
- 材料科学 材料科学 材料科学
- 固态化学 固态化学
- 计算材料科学科学 计算材料科学
背景情况:
- 高氧化物 (HEO) 提供可调节的特性和结构稳定性.
- 鉴定单相HEO组合物是具有挑战性的,因为复杂的多元元素相互作用.
研究的目的:
- 开发一种数据驱动的方法来预测单相HEO形成.
- 确定控制 HEO 阶段稳定性的关键组成因素.
- 发现用于储能应用的新型HEO材料.
主要方法:
- 集成实验合成数据与机器学习算法.
- 采用材料信息学方法提取组成规则.
- 利用固态合成用于材料制造和表征.
主要成果:
- 成功确定了有利于岩盐和螺旋单相高温电站的组成规则.
- 使用预测洞察力有效地探索了HEO组合空间.
- 合成了一种新型单相,无的HEO,具有高可逆容量.
- 为合成的HEO作为离子电池阳极证明了出色的循环稳定性.
结论:
- 数据驱动的方法对于HEO的合理材料设计是有效的.
- 确定了组成规则,加速了单相高温电站的发现.
- 发达的高等教育机构显示出下一代可持续能源存储的巨大潜力.
