据外媒报道，在最新的一项研究中，印度科学研究所（Indian Institute of Science，IISc）的研究人员及其合作者全面分析了广泛使用的计算技术，并根据实验室测量中观察到的实际数据验证了他们对迁移障碍值的预测。
图片来源：印度科学研究所
基于分析，该团队提出了一套强有力的指导方针，以帮助研究人员选择最准确的计算框架测试可用于未来开发高效电池的材料。
手机和笔记本电脑使用的锂离子电池主要由三个部件组成：固体负极（阳极）、固体正极（阴极），以及将正负极分开的液体或固体电解质。在充电或放电时，锂离子会在电解液中迁移，从而产生电位差。IISc材料工程系助理教授Sai Gautam Gopalakrishnan表示：“锂离子电池中的电极不是100%固体的，更像是海绵，具有锂离子必须通过的‘孔’。”
决定锂离子穿透这些孔的速率的一个重要参数是迁移势垒，即离子穿过电极需要克服的能量阈值。材料工程系博士生、该研究的第一作者Reshma Devi表示：“迁移障碍越低，电池充电或放电的速度就越快。”
Gopalakrishnan解释说：“两组研究人员使用不同的计算技术计算同一组迁移障碍值。所得值可能相等，但我们还不能确定这一点。”
两种特定的近似，称为强约束和近似范数（Strongly Constrained and Approximately Normed，SCAN）和广义梯度近似（Generalized Gradient Approximation，GGA），是计算得出迁移障碍的最广泛使用的方法，但每种方法都有其自身的缺点。Reshma Devi解释道：“我们采用了九种不同的材料，并检查了哪些近似值最接近实验值。”
该团队发现，SCAN泛函总体上具有更好的数值精度，但GGA计算速度更快。研究人员发现GGA在计算某些材料（如磷酸锂）中的迁移势垒时具有合理的准确度，因此建议如果需要快速估计，最好选择GGA。
对于寻求新材料以适用于电池相关应用之前的科学家而言，上述建议对于测试材料性能很有价值。Gopalakrishnan表示：“假设有一种未知材料，并且想快速查看该材料在应用程序中是否有用，那么研究人员可以使用计算来实现，但前提是已知道哪种计算近似值可以提供最接近的值。这种方法对于材料发现非要有用。”
该团队还致力于开发机器学习工具，以帮助加快预测各种材料的迁移障碍。
扫一扫关注微信
