基于机器学习原子势函数的固体电解质Li$_6$PS$_5$Cl中bulk与晶界扩散的原子尺度建模

Li$_6$PS$_5$Cl是用于全固态锂离子电池的优越固体电解质材料。在实际应用中，该材料呈多晶态，晶界(GB)会影响离子导电性。虽然原子尺度建模为晶界对Li扩散的影响提供了有价值的信息，但该研究面临计算成本高(ab initio方法)或精度受限(经典势函数)的挑战。本文发展了基于质量等级的主动学习方案，用于高效且系统化地开发ab initio基准的机器学习原子势函数，特别是矩张量势(MTP)，以实现大规模、长时间和高精度的复杂原子结构和扩散机制模拟，这些机制在固体电解质中常见。基于此方案，我们获得了Li$_6$PS$_5$Cl的MTP，并研究了两个倾斜GB，$\Sigma3(1\bar{1}2)[110]$，$\Sigma3(\bar{1}11)[110]$，以及一个扭转GB，$\Sigma5(001)[001]$。所有三个GB的形成能均小于\SI{20}{meV/\angstrom\textsuperscript{2}}，表明其在多晶Li$_6$PS$_5$Cl中具有高度稳定性。利用MTP，我们从原子模型的分子动力学模拟中获得了阴离子有序和阴离子无序bulk以及三个GB的扩散系数。在\SI{300}{\kelvin}时，GB的扩散系数介于阴离子有序bulk结构（\SI{0.012e-7}{cm$^2$/s}，对应离子导电性约\SI{0.2}{mS/cm}）和阴离子无序bulk结构（\SI{50}{\%} Cl/S-阴离子无序；\SI{2.203e-7}{cm$^2$/s}，约\SI{29.8}{mS/cm}）的扩散系数之间。实验数据落在经Arrhenius外推的三个原子结构的扩散系数之间。