结合机器学习与第一性原理计算的分层高通量筛选耐碱锂离子导体
材料科学
2026-03-26 v2
摘要
固态电池需要兼具高离子电导率和在苛刻电化学及化学条件下稳定性的锂离子导体。在此，我们研究了在强碱性环境中影响NASICON型和石榴石型锂离子导体稳定性的化学因素。这与在潮湿空气中运行的固态锂-空气电池尤为相关，因为在该条件下，由于LiOH放电产物的形成会产生碱性环境。我们实施了一个分层高通量筛选工作流程，该流程包括使用通用机器学习原子间势的预筛选步骤和更精确的基于DFT的筛选步骤。该方法能够快速评估超过320,000种成分，从中确定了209种耐碱候选材料。我们确定了能提高NASICON和石榴石化合物的耐碱性的特定阳离子取代，并揭示了其潜在机制。更重要的是，我们强调了设计权衡，即需要仔细优化成分，以同时提高实际潮湿锂空气电池应用中的可合成性、运行稳定性以及锂离子/电子电导率。
引用
@article{arxiv.2511.20964,
title = {Hierarchical high-throughput screening of alkaline-stable lithium-ion conductors combining machine learning and first-principles calculations},
author = {Zhuohan Li and KyuJung Jun and Bowen Deng and Gerbrand Ceder},
journal= {arXiv preprint arXiv:2511.20964},
year = {2026}
}