清华大学/香港城市大学东莞：人工智能加速锂电池固态界面原子级研究

本研究提出了一种名为InterOptimus的自动化工作流，用于高效获取任意两种晶体构成的异质界面基态结构。通过采用机器学习原子间势（MLIP）替代传统的密度泛函理论（DFT）计算，显著降低了计算成本。研究团队对多种典型锂电池固态界面体系进行了原子级建模，发现MLIP在预测精度接近DFT的同时，计算效率提高了10倍以上。该工具为研究界面稳态结构和构效关系提供了高效计算方法，有助于加速新型锂电池界面结构设计与性能优化。背景方面，固态和液态锂电池中存在大量晶体界面，其稳定性和离子输运性质对电池性能至关重要。研究目的是解决传统方法依赖人工建模和高成本第一性原理计算的问题。结论表明，InterOptimus为锂电池界面微观机理研究和数据驱动的材料界面研究提供了重要工具。