稳定Li-Sn化合物的预测：用神经网络势加速第一性原理搜索
材料科学
2022-08-09 v1 计算物理
摘要
Li-Sn二元体系因具有可作为电池负极潜在应用的富锂合金而受到广泛研究。我们目前结合机器学习和第一性原理方法对该二元体系重新考察，得以筛选广阔构型空间并发现若干被忽视的热力学稳定合金。在常压下，我们的进化搜索识别出一种新的稳定LiSn相，具有基于BCC的大hR48结构，以及一种可能的高温LiSn基态。通过为已观测和预测的Li-Sn BCC合金建立简单模型，我们构建了一种在奇异19:6化学计量比下更大的可行hR75结构。在20 GPa下，我们通过全局搜索发现的新的11:2、5:1和9:2相使先前提出的高锂含量相失稳。这些发现展示了机器学习原子间势在推动复杂材料第一性原理预测加速方面可观的前景。
引用
@article{arxiv.2203.06283,
title = {Prediction of stable Li-Sn compounds: boosting ab initio searches with neural network potentials},
author = {Saba Kharabadze and Aidan Thorn and Ekaterina A. Koulakova and Aleksey N. Kolmogorov},
journal= {arXiv preprint arXiv:2203.06283},
year = {2022}
}