(纯计算)韩国成均馆大学J. Am. Chem. Soc.: 机器学习辅助固态电解质晶体结构预测揭示亚稳边共享相的优异离子电导率
计算材料学
2025-12-16 22:20
文章摘要
背景:开发高离子电导率的固态电解质对于全固态电池至关重要,但现有研究多关注成分替代,忽视了晶体结构对离子传输的基础作用。研究目的:韩国成均馆大学的研究团队引入了一种基于机器学习矩张量势的晶体结构预测方法,旨在识别新型固态电解质结构,并评估其多面体连接性、稳定性和锂离子传输特性。结论:研究成功预测了多种结构,发现与稳定的角共享结构相比,亚稳的边共享结构相表现出更优异的锂离子迁移能力,这归因于更高的堆积效率、更大的Li-S4亚晶格体积和更强的动态畸变,凸显了晶体结构预测方法在设计高性能固态电解质方面的潜力。
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿,本站转载出于非商业性的教育和科研之目的,并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题,请作者速来电或来函联系。