通过第一性原理随机结构搜索加速正极材料发现

锂离子电池（LIBs）中正极材料的选择是其整体性能的基础。发现新正极材料是一个缓慢的过程，且所有主要商业正极材料仍基于 1990 年代确定的那些材料。使用高通量计算进行材料发现已引起极大研究兴趣，然而，对现有材料数据库的依赖引出了这些方法是否适用于寻找真正新颖材料的问题。在本工作中，我们证明第一性原理随机结构搜索（AIRSS）——一种不依赖任何预存数据的第一性原理结构预测方法——仅基于化学组成即可高效定位复杂正极材料的低能结构。我们使用 AIRSS 探索三种含铁多阴离子化合物作为低成本正极。以已知的四元 LiFePO4 和五元 LiFeSO4F 正极为例，我们轻松复现已知多晶型，此外还预测了其他迄今未知的低能多晶型，甚至发现了一种比已知更稳定的 LiFeSO4F 新多晶型。我们随后探索含铁氟草酸盐的相空间，预测了一系列尚未经实验合成的氧化还原活性相，证明了 AIRSS 作为加速新颖正极材料发现工具的适用性。