基于机器学习势的模拟揭示LGPS中非阿伦尼乌斯行为的离子传导机制
材料科学
2022-11-29 v2
摘要
LiGe(PS)(LGPS)是一种高浓度固体电解质,其中相邻阳离子间的库仑排斥被认为是协同离子跳跃的潜在原因,这种机制在LiLaZrO(LLZO)和LiAlTi(PO)(LATP)等超离子导体中普遍存在。虽然使用分子动力学(MD)的第一性原理模拟可深入揭示Li输运机制,但历史上模拟与实验所研究的温度范围一直存在鸿沟。在此,我们使用在密度泛函理论(DFT)模拟上训练得到的神经网络(NN)势,以类DFT精度运行长达40纳秒的MD模拟,从而在涵盖既往模拟与实验研究的温度区间内表征离子传导机制。我们确认了LGPS在约400 K时发生Li子晶格相变,在此温度以下\textit{ab}面扩散系数急剧降低。伴随近400 K处的子晶格相变,阳离子-阳离子(交叉)关联减弱,表现为Haven比更接近1,且系统在较低温度下振动更具谐性。直观而言,高温下振动模式的集合可能足以驱动协同离子跳跃;然而近室温时,可用振动模式或不足以克服静电排斥,从而导致离子运动关联减弱、离子传导相对变慢。此类子晶格相变现象——在其以下协同跳跃作用减弱——或可推广至LLZO、LATP等其他高浓度固体电解质。
引用
@article{arxiv.2211.05713,
title = {Simulations with machine learning potentials identify the ion conduction mechanism mediating non-Arrhenius behavior in LGPS},
author = {Gavin Winter and Rafael Gómez-Bombarelli},
journal= {arXiv preprint arXiv:2211.05713},
year = {2022}
}