机器学习辅助发现锂离子电池用超离子固态电解质
材料科学
2022-02-15 v1 人工智能
摘要
锂离子固态电解质（Li-SSEs）是一种有前景的方案，可解决传统锂离子电池（LIBs）的关键问题，如离子电导率低、界面不稳定和枝晶生长。本研究开发了一个由高通量筛选和机器学习代理模型组成的平台，用于在 20,237 种含锂材料中发掘超离子 Li-SSEs。对于训练数据库，NASICON（钠超离子导体）和 LISICON（锂超离子导体）型 SSEs 的离子电导率取自既往文献。随后，使用化学描述符（CD）和附加结构性质作为机器可读特征。通过筛选标准选出 Li-SSE 候选材料，并随后预测其离子电导率。然后，为降低代理模型的不确定性，采用考虑两个最佳模型的集成方法，其平均预测准确率分别为 0.843 和 0.829。此外，通过第一性原理计算确认强候选材料的离子电导率。最终，提出了六种此前未被研究过的潜在超离子 Li-SSEs。我们相信所构建的平台能以最小成本加速高离子电导率 Li-SSEs 的搜索。
引用
@article{arxiv.2202.06763,
title = {Machine Learning-Aided Discovery of Superionic Solid-State Electrolyte for Li-Ion Batteries},
author = {Seungpyo Kang and Minseon Kim and Kyoungmin Min},
journal= {arXiv preprint arXiv:2202.06763},
year = {2022}
}
备注
preprint, under review