用于大规模虚拟电池材料数据库开发的新型广义信息学框架
材料科学
2022-03-17 v1
摘要
在本文中，我们提出了一种针对超过100,000种与电池材料相关的尖晶石化合物的容量预测方法，并由此提出了20种最有前景的候选材料。在电池设计中，由于需要考虑众多指标（包括作为基本工程属性的容量），选择合适的材料十分困难。以已报道的实验数据为起点，我们展示了如何构建一个为电池材料选择提供指导的数据集。尽管我们聚焦于电池用电极材料中基于Li的尖晶石结构的容量，但本文开发并演示的方法可适用于其他性能、结构及位点占据情况。此外，理论容量常被用作电池材料设计的指导准则。在本文中，我们展示了其不足以代表实验测量值，而我们的方法弥补了这一差距，并提供了实验数据的精确计算表征。
引用
@article{arxiv.2203.08697,
title = {New Generalized Informatics Framework for Development of Large Scale Virtual Battery Material Databases},
author = {Scott R. Broderick and Kaito Miyamoto and Krishna Rajan},
journal= {arXiv preprint arXiv:2203.08697},
year = {2022}
}