预测和后金属电池中的电解质稳定性:基于线性单一描述器模型的失败
Sudhin Rathnakumaran1, Madhurja Buragohain1, Soumya U Kuzhupullimadom1
1Department of Chemistry, Indian Institute of Technology Madras, Chennai 600036, India.
稳定的固体电解质间相 (SEI) 形成是电池安全的关键. 这项研究表明,最低的未占用分子轨道 (LUMO) 能量是一个糟糕的预测指标,为电解质设计开发出卓越的机器学习模型.
科学领域:
- 电池技术 电池技术
- 材料科学 材料科学 材料科学
- 计算化学的计算化学
背景情况:
- 稳定的固体电解质间相 (SEI) 对金属电池 (LMB) 的安全性和性能至关重要.
- 传统上,最低的未占用分子轨道 (LUMO) 能量预测电解质的还原性分解,但其准确性受到质疑.
研究的目的:
- 批判性地评估 LUMO 能量对电解质还原稳定的预测能力.
- 为准确的电解质设计开发先进的计算模型.
主要方法:
- 密度函数理论 (DFT) 计算以确定 200 个离子溶剂复合物的自由能量障碍.
- 使用多个电子和结构特征的机器学习 (ML) 模型的开发和培训.
- 将ML模型性能与传统LUMO基于能源的预测进行比较.
主要成果:
- LUMO能量与还原分解动力学或电解质稳定性没有线性相关.
- 电解质稳定性与各种化学物质的LUMO水平呈现出非线性关系.
- 机器学习模型在预测还原稳定性方面明显优于基于LUMO的线性方法.
结论:
- 由于非线性关系,仅依靠LUMO能量进行电解质选是不够的.
- 多功能,非线性机器学习模型为电解质设计提供了更准确的计算框架.
- 这项工作加速了下一代电池稳定电解质的开发.
更多相关视频
11:04Synthesis of Ionic Liquid Based Electrolytes, Assembly of Li-ion Batteries, and Measurements of Performance at High Temperature
Published on: December 20, 2016
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
The Debye–Hückel Theory of Electrolyte Solutions
Standard Electrode Potentials
Theory of Strong Electrolytes
Weak Acid Solutions
Complexation Equilibria: Factors Influencing Stability of Complexes
Ionic Bonding and Electron Transfer
