机器学习原子势在锂金属负极中的应用
Analysis of Li Metal Anode by Machine Learning Potential作者机构:北京大学深圳研究生院新材料学院广东深圳518055 宁德时代21C创新实验室福建宁德352100
出 版 物:《硅酸盐学报》 (Journal of The Chinese Ceramic Society)
年 卷 期:2023年第51卷第2期
页 面:469-475页
核心收录:
学科分类:081704[工学-应用化学] 0809[工学-电子科学与技术(可授工学、理学学位)] 08[工学] 0817[工学-化学工程与技术] 0805[工学-材料科学与工程(可授工学、理学学位)] 0703[理学-化学] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家自然科学基金(52272180,12174162,51962010) 宁德时代创新实验室21C-LAB、IER基金2021(IERF202104)
摘 要:锂金属是下一代二次电池的理想负极材料。然而,锂枝晶生长存在安全隐患,并导致电池Coulombic效率低,这严重制约了锂二次电池的商业应用。目前,人们对锂的沉积生长机制在原子尺度上还了解甚少,同时对锂枝晶的成因也众说纷纭。近年来,机器学习在计算材料学中的应用使得许多以前无法实现的进步成为可能,本文综述了机器学习原子势在锂金属负极研究中的应用。