锂离子电池负极材料的电压矿业与基于化学式的锂离子电池电压机器学习模型
材料科学
2024-09-12 v1
摘要
锂金属负极的进步激发了对无锂负极的发现兴趣，大多数负极天然处于其已充电状态。相比之下，今天的商业锂离子电池负极在其已放电状态下更稳定。本研究将来自这两类负极材料的计算电压信息相结合，分别覆盖 5577 和 2423 个唯一的结构对。结果电压分布相对于还原对和阴离子类型均显示了高电压负极的设计原则，这些原则偏好其较高氧化态的第 4 周期后转金属以及更电负性的阴离子，如氟化物或多价锂基团。一般来说，发现其已充电、去锂状态的负极显示的电压低于那些在其锂化状态下最稳定的负极，这与热力学预期相符。来自不同还原对之间阴离子分布的偏差被发现源于此类差异。此外，我们构建了一个基于化学式的电压预测机器学习模型，并在与两个已建立的基于成分的机器学习模型（Roost 和 CrabNet）进行比较后显示出业界领先的性能。
引用
@article{arxiv.2409.06921,
title = {Voltage Mining for (De)lithiation-stabilized Cathodes and a Machine Learning Model for Li-ion Cathode Voltage},
author = {Haoming Howard Li and Qian Chen and Gerbrand Ceder and Kristin A. Persson},
journal= {arXiv preprint arXiv:2409.06921},
year = {2024}
}