跳到正文
ACS Nano· Boyuan Xu; Cheng Qian; Liyi Bai; Chenlu Wang; Feng Ding; Qisheng Wu·· 来源仅提供日期AI 评分33

机器学习分子动力学解析 ZrO2/Li2ZrCl6 复合固态电解质界面离子电导提升

Turning Insulators into Accelerators: Deciphering the Interfacial Ionic Conductivity Boost in Composite Solid-State Electrolytes through Machine Learning Molecular Dynamics Simulations

AI 导读

机器学习分子动力学模拟显示,ZrO2/Li2ZrCl6 复合固态电解质的界面自发非晶化可显著增强 Li+ 跃迁。研究基于神经演化势构建机器学习力场,模拟四种低晶格失配界面,发现表面解理后的空间电荷效应会捕获 Li+,形成配位不足且几何畸变的 Li+ 多面体。这些畸变非晶界面区的 Li+ 跃迁明显优于体相,前提是局部可移动 Li+ 密度未被表面电荷再分布耗尽。

已发表论文 · journal · 10.1021/acsnano.6c16367

本站摘要基于收录版本 v1(2026-11-02),原始摘要与 AI 导读固定保留。

IF(5) 17.0 · 2025 · 期刊参考指标

摘要 · AI 翻译

卤化物固态电解质因其高氧化稳定性和可变形性,已成为全固态锂电池的有力候选材料,但其中等的离子电导率仍是瓶颈。尽管实验已表明掺入离子绝缘的 ZrO2 纳米颗粒可提升 Li2ZrCl6 的离子电导率,但支配这一界面现象的原子尺度起源仍不清楚。在此,我们通过开发一种基于神经进化势(neuroevolution potential)的精确机器学习力场,弥合了复杂异质结构建模中的时空鸿沟,从而实现了对 ZrO2/Li2ZrCl6 异质结构的大规模分子动力学模拟。通过系统研究四种具有代表性的低晶格失配 ZrO2/Li2ZrCl6 界面,我们发现表面解理后由空间电荷效应驱动的自发界面非晶化,该过程俘获 Li+ 并导致出现具有显著几何畸变的欠配位 Li+ 多面体。只要局部可移动 Li+ 密度未因表面电荷重分布而耗尽,这些畸变的非晶界面区域便表现出显著增强的 Li+ 跳跃活性,其表现远优于体相晶格。本工作建立了一个用于训练经验证的界面机器学习力场的计算框架,并为绝缘体-导体复合材料中实验观测到的电导率提升提供了一种可能的起源,从而指导面向下一代固态电池的电解质理性设计。

来源:ACS Nano · doi.org