新聞動態
·綜合新聞
·科研動態
·學術活動
·媒體聚焦
·通知公告
您現在的位置:首頁 > 新聞動態 > 科研動態
利用機器學習方法篩選高性能鋰硫電池單原子催化劑
 
2021-08-23 | 文章來源:沈陽材料科學國家研究中心        【 】【打印】【關閉

  鋰硫電池的高能量密度使成為下一代儲能技術的有力候選者,其正負極的主要活性物質分別是硫和鋰,在充放電過程中會形成可溶的高階多硫化物從正極擴散至負極,導致正極活性物質的流失以及負極的失活,即所謂的“穿梭效應”。同時,正極處緩慢的硫還原動力學也限制了鋰硫電池的性能。近年來,有關研究發現應用在鋰硫電池正極材料中的負載型單原子催化劑可以抑制穿梭效應以及加快硫還原反應動力學。然而,單原子催化劑的結構種類繁多,超出了傳統的“試錯法”或常規DFT計算的能力,急需進行系統研究。 

  近日,金屬所沈陽材料科學國家研究中心聯合研究部李波副研究員的研究小組,采用基于高通量密度泛函理論計算的機器學習方法,系統研究了多硫化物的吸附模式,并對上千種氮摻雜碳材料負載的過渡金屬單原子催化劑進行了篩選,為鋰硫電池正極材料中單原子催化劑的設計提供了指導。這一成果近日發表于The Journal of Physical Chemistry Letters(doi: 10.1021/acs.jpclett.1c00927),并被選為封面文章(cover article)。同時ACSJ. Phys. Chem. 推特分別對工作進行了介紹和評論。  

  研究人員首先采用密度泛函理論計算對800余個吸附結構進行計算,結果顯示多硫化鋰在催化劑上有四種可能的吸附構型,并可分為兩大類,即解離吸附和非解離吸附?;诰w圖卷積神經網絡訓練的分類器,成功地區分了發生S-S鍵斷裂的吸附與其他類型的吸附。研究人員進一步對吸附構型的電子結構分析,顯示負載金屬原子后催化劑與多硫化鋰間的相互作用發生明顯變化,因而使吸附顯著增強,從而減少“穿梭”過程的發生。此外,機器學習訓練出的回歸模型對吸附能也具有較好的預測能力,其平均絕對誤差為0.14 eV?;谶@一模型,預測了上千個吸附構型的吸附能,利用過電勢的計算給出了相應的火山型曲線。同時,結合可溶性多硫化物的吸附能,預測并篩選出了數個性能均衡的單原子催化劑。目前的工作不僅拓寬了單原子催化劑的應用范圍,也為鋰硫電池正極材料的設計提供了新思路和新方向。 

  該工作得到了國家自然科學基金、遼寧省自然科學基金材料聯合基金、NSFC-廣東聯合基金(第二期)超級計算科學應用研究專項等資助。 

圖1. 四種可能吸附構型的分布及結構圖示。

圖2. 機器學習模型的性能。a) 分類性能,b) 回歸性能。

圖3. 多硫化鋰吸附能及過電勢的預測。a) LiS*的吸附能,b) 不同催化劑上最弱的可溶性多硫化鋰吸附能,c)所預測的全部催化劑的“火山圖”,d) 過電勢低于0.1V的催化劑,e) 預測的過電勢。

圖4. 從左到右:封面圖片、 Journal of Physical Chemistry 推特介紹、ACS推特介紹。

 

文檔附件

相關信息
聯系我們 | 友情鏈接
地址: 沈陽市沈河區文化路72號 郵編: 110016
管理員郵箱: office@imr.ac.cn
中國科學院金屬研究所 版權所有 遼ICP備05005387號-1

官方微博

官方微信
免费现黄频在线观看国产