使用高效且准确的机器学习势能直接模拟 LiNi0.8Mn0.1Co0.1O2 传输特性
材料科学
2026-05-20 v1
摘要
层状锂镍锰钴氧化物 (NMC) 阴极材料的充电速率能力在高功率应用中具有决定性作用，如快充，因而需要深入了解锂离子扩散机制。然而，无论是在实验上还是在计算上，都对锂离子在 NMC 中的传输机制理解不足。在本研究中，我们采用一种先进且高效的机器学习势能 (MLP) 来模拟 LiNi0.8Mn0.1Co0.1O2 (NMC811) 中锂的自扩散，实现了直接进行大规模分子动力学 (MD) 模拟。该工作流程将精调后的 MACE (Message Passing Atomic Cluster Expansion) 基础模型作为结构生成器，并针对近底态数据集应用主动学习策略。这种方法能够在数据高效的情况下，使用有限的密度泛函理论 (DFT) 参考计算，构建出可靠的 NMC811 的 MLP。基于该势能，我们进行了 MD 模拟以预测锂扩散系数。基于 MLP 的模拟在保持 DFT 准确性的同时，克服了其时间和长度尺度的限制，从而实现了对 NMC811 中锂自扩散的直接模拟。
引用
@article{arxiv.2605.19747,
title = {Direct Simulation of LiNi0.8Mn0.1Co0.1O2 Transport Properties Using an Efficient and Accurate Machine Learning Potential},
author = {Jian He and Constantijn H. J. A. van de Wetering and Rolande W. Nolsen and Nongnuch Artrith},
journal= {arXiv preprint arXiv:2605.19747},
year = {2026}
}