(纯计算)烟台大学王晓丽/李建福团队Inorg. Chem.: 基于机器学习发现超离子铜铁矿结构AgFeO2的超离子态

背景：固态电解质是下一代高能量密度、高安全性电池的核心，超离子导体是其关键。传统银基导体存在银含量高、热稳定性差等问题，而具有铜铁矿结构的AgFeO2被寄予厚望，但其超离子行为与调控机制尚不明确。研究目的：本研究旨在通过机器学习力场分子动力学模拟，在原子尺度揭示AgFeO2中Ag⁺的超离子扩散机制，并探索通过缺陷调控降低其超离子转变温度的途径。结论：研究发现，AgFeO2在约800 K时进入超离子态，Ag⁺主要在二维平面内通过O-O和O-Fe-O两种路径扩散。引入特定Ag空位缺陷可将超离子转变温度降至600 K，同时保持较高的离子电导率。该工作阐明了其传导机制，并为通过“缺陷-机器学习”协同设计降低工作温度提供了新思路。