通过多尺度拓扑学习发现超离子导体

锂超离子导体对于下一代固态电池至关重要，可为可再生能源和电动汽车提供卓越的离子电导率和增强的安全性。然而，由于庞大的化学空间、有限的标记数据以及优化离子传输所需的复杂结构-功能关系理解，发现它们极具挑战性。本研究引入了多尺度拓扑学习框架，该框架集成了代数拓扑和无监督学习以高效应对这些挑战。通过对仅含锂和不含锂的子结构进行建模，该框架提取了多尺度拓扑特征，并引入了两个拓扑筛选指标——环密度和最小连通距离——以确保结构连通性和离子扩散兼容性。通过无监督算法对有前景的候选材料进行聚类，以识别出与已知超离子导体相似的材料。对于最终的精化，通过化学筛选的候选材料将进行从头算分子动力学模拟以进行验证。这种方法导致了 14 种新型 LSIC 的发现，其中四种已在最近的实验中得到了独立验证。这一成功加速了 LSIC 的识别，并展示了广泛的适应性，为应对复杂的材料发现挑战提供了可扩展的工具。