从阴离子视角量化固态锂离子电解质材料的搜索：数据驱动的分析
材料科学
2019-04-22 v1 数据分析、统计与概率
摘要
我们汇编了固态锂离子电解质性能的数据和机器学习模型，以评估材料发现工作的现状并为未来工作建立新见解。候选电解质材料必须满足若干要求，其中最重要的是快速离子导电性和稳健的电化学稳定性。综合考虑这两项要求，我们发现了新证据，表明优化硫化物以获得快速离子导电性和宽电化学稳定性，可能比优化氧化物更有希望；且常被忽视的氯化物和溴化物可能是特别有前景的锂离子电解质族。我们还发现，氮化物和磷化物似乎是针对锂金属负极稳定的电解质中最有前景的材料族。此外，现有数据在性能空间中的分布表明，对锂金属和>4V正极均稳定的快速导电材料极为罕见，采用多电解质架构更可能是成功实现固态锂金属电池的可行路径，优势约为一个数量级或更多。我们的模型通过复现近年来有限现有数据中出现的已知趋势得到验证，即晶格阴离子的电负性与离子导电性和电化学稳定性相关。在这项工作中，我们利用现有数据首次使固态电解质性能趋势定量化，构建了补充围绕期望材料性能的材料发现工作的路线图。
引用
@article{arxiv.1904.08996,
title = {Quantifying the search for solid Li-ion electrolyte materials by anion: a data-driven perspective},
author = {Austin D. Sendek and Gowoon Cheon and Mauro Pasta and Evan J. Reed},
journal= {arXiv preprint arXiv:1904.08996},
year = {2019}
}
备注
Main text is 41 pages with 3 figures and 2 tables; attached supplemental information is 8 pages with 3 figures