Energy Environ. Sci. :众多固态锂离子导体候选材料的整体性计算结构筛检


【引言】

锂离子电池(LIBs)作为一种优秀的储能器件,在开发应用上如移动设备、电动车乃至于通用输电网络都有着广阔的前景。然而当前大多数锂电池采用的是液体电解质,因其有机溶剂容易过热起火而引发的安全和性能隐患必须予以重视。探究开发新的固体电解质在解决传统锂离子电池能量密度低和服役寿命短的同时,有望彻底解决锂电池应用的安全性问题。科学家们已花费数十年探究新型固体电解质,但经鉴别出的室温下能比拟液体电解质离子导电性能的仍屈指可数。

【成果简介】

研发新型固体电解质,除了要求尽量高的离子导电性,材料的电化学稳定性以及低损耗也是不能忽视的要素。当前,地球环境中含锂的化合物成千上万,然而大多数未经鉴定试验,其中可能成为优秀导体的不在少数。近日,来自斯坦福大学的Evan J. Reed教授(通讯作者)课题组在Energy & Environmental Science上发表了题为Holistic computational structure screening of more than 12 000 candidates for solid lithium-ion conductor materials 的文章,报道了通过建立离子传导模型和结构参数筛检的大规模计算从12831种含锂材料中确定出新型固态电解质的候选材料。基于材料项目数据库(Materials Project database)中含锂材料的结构和电子信息,计算筛查结构稳定性、化学稳定性和低电子电导率消除了92.2%的含锂材料,再进一步的利用数据驱动的基于文献报道实验测量数据对于离子传导的逻辑回归模型从12831种候选材料中确定出21种具有较大潜力成为固体电解质的材料。

【图文导读】

图1.整体性计算结构筛检的方法流程图

整个筛检过程由基于原子结构的计算筛检和建立数据驱动的离子传导模型两部分组成。整体性计算过程中首先针对能带、电化学稳定性、亚稳态能量和材料成本等先决条件进行筛检,接着通过定义特征空间和统计学习已有文献中实验报告的锂离子导体数据,进行基于结构的锂离子传导预测。

图2.通过测试误分率(TMR)、交互验证误分率(CVMR)和标准差概率化度量选择最优化模型

(a) 红色实线表示对应不同数量特征的最低交互验证误分率逻辑回归模型的交互验证误分率,蓝色实线表示相同模型下的测试误分率;实线表示处于真实模型下的数据,虚线表示处于为消除噪音误差采用的X概率化下平均值的模型。可以发现,真实模型下的TMR和CVMR比概率化随机模型下的数值小3倍左右,黑色箭头所指为CVMR的最小值0.1处,即为最优化模型。

(b) 蓝色实线表示对应多特征逻辑回归模型X随机化的标准差概率化度量,黑色箭头指出标准差大于常规阈值0.5的位置,对应了最优化的逻辑回归模型(此时特征数为5),这表明模型具有统计意义。

图3. 通过逻辑回归模型下测试数据的分级性能表明模型性能

(a) 利用逻辑回归得到测试组数据的分级性能,纵坐标表示测试材料成为离子电导率大于10-4 S cm-1(即为超离子导体)的概率。图中正方形表示超离子导体,圆形表示非超离子导体。可以发现,有4种材料被误分类了。

(b) 在交互验证下利用逻辑回归得到测试组数据的分级性能,可以发现,依然有4种材料被误分类了。

图4.基于数据驱动和信心指标的预测模型的筛检结果

图中,纵坐标表示了对应基于归一化距离的信心度量指标的1054种含锂材料具有超离子导体特性的预测概率。红色线圈表示非金属材料,黑色线圈表示21种具有高氧化分解电压、能带、非过渡金属特性和很高可能性成为超离子导体的候选材料。

【小结】

课题组通过材料项目数据库筛选出满足电子电池工艺要求包含低电导率、电化学稳定性和低成本这些先决条件的候选固态锂离子导体,从12831种候选的含锂材料减少到300个左右。再利用现在文献对锂离子导体的实验测量数据,开发一个预测模型和一些信心指标识别提供了预测最高可能性超电导率离子导体的方法,再次将候选材料缩减为21种。值得一提的是,通过先决条件筛检淘汰的材料比重如此之大,因此在固态电解质的设计和研发工作应当有效考虑到这些先决条件的性能需求。通过可概括的微观特征的识别产生快离子传导依然是个难题,利用统计学习技术发现相关性预测离子导体受困于实验数据的数量和准确性带来的挑战不容忽视。但是随着时间的推移,相信会有越来越多的实验数据和报告提出了更好的特性。而预测模型随着越来越多的数据也会逐渐改善, 成为一个健壮的数据驱动模型,在确定有潜在前景的固体电解质材料的问题上具有重要意义。

文献链接:Holistic computational structure screening of more than 12 000 candidates for solid lithium-ion conductor materials (Energ. Environ. Sci.,2017, DOI: 10.1039/C6EE02697D)

本文由材料人编辑部新能源学术组纸鸢供稿。

材料牛网专注于跟踪材料领域科技及行业进展,这里汇集了各大高校硕博生、一线科研人员以及行业从业者,如果您对于跟踪材料领域科技进展,解读高水平文章或是评述行业有兴趣,点我加入材料人编辑部

参与新能源话题讨论请加入“材料人新能源材料交流群 422065952”。欢迎大家到材料人宣传科技成果并对文献进行深入解读,投稿邮箱tougao@cailiaoren.com。

材料测试,数据分析,上测试谷

分享到