硬碳中结构-输运关系的物理信息机器学习探索
材料科学
2026-02-24 v1
摘要
对于大规模储能，钠离子电池是锂离子系统的一种高性价比且可持续的替代方案。硬碳（HC）负极由无序石墨域和无定形域组成，具有高容量，但表现出复杂且尚未被充分理解的离子输运行为。特别是，局部微观结构与钠迁移率之间的关系仍未解决，阻碍了理性的性能优化。在此，我们引入了一个数据驱动的框架，该框架将机器学习原子间势与分子动力学模拟相结合，以系统地研究跨越广泛碳密度和钠负载范围的钠扩散。通过计算每个离子的结构描述符，我们确定了控制离子输运的微观因素。无监督学习揭示了不同的扩散模式，包括跳跃、聚集和空位捕获，而有监督分析则强调了曲折度和 Na-Na 配位是迁移率的主要决定因素。相关性映射进一步将这些输运机制与体密度和钠含量等加工变量联系起来。这种物理信息方法建立了定量结构-输运关系，能够捕捉无序碳的异质性。我们的研究结果为钠离子动力学提供了机制见解，并为在下一代电池系统中设计高性能 HC 负极提供了可操作的设计原则。
引用
@article{arxiv.2508.14849,
title = {Physics-Informed ML Exploration of Structure-Transport Relationships in Hard Carbon},
author = {Nikhil Rampal and Stephen E. Weitzner and Fredrick Omenya and Marissa Wood and David M. Reed and Xiaolin Li and Jonathan R. I. Lee and Liwen F. Wan},
journal= {arXiv preprint arXiv:2508.14849},
year = {2026}
}