ИИ обнаруживает скрытый сигнал жидкостного потока ионов в твердотельных батареях
Машинное обучение выявило уникальный низкочастотный сигнал в спектрах комбинационного рассеяния, который указывает на жидкостное движение ионов в кристаллах, что может ускорить поиск материалов для аккумуляторов нового поколения
Short Summary
Исследователи разработали конвейер машинного обучения, который предсказывает спектры комбинационного рассеяния (Рамана) и идентифицирует характерный низкочастотный сигнал, связанный с жидкостным движением ионов внутри кристаллов твердых электролитов. Этот сигнал появляется, когда быстрое движение ионов временно нарушает симметрию кристаллической решетки.
Традиционный поиск материалов, обеспечивающих быстрый перенос ионов в твердотельных батареях, требует трудоемкого синтеза и экспериментальной характеризации, а вычислительные методы часто не справляются с моделированием сложного поведения ионов при высоких температурах. Новый подход сочетает силовые поля на основе машинного обучения с тензорными моделями машинного обучения для моделирования рамановских спектров с точностью, близкой к «с самого начала» (ab initio), но при значительно меньших вычислительных затратах. Применение метода к материалам, проводящим ионы натрия, таким как Na3SbS4, выявило выраженные низкочастотные рамановские особенности, которые служат надежным индикатором быстрой ионной проводимости.
Метод позволяет эффективно отличать материалы с жидкостным механизмом переноса ионов от тех, где перенос происходит путем перескоков между фиксированными позициями. Это открывает путь к высокопроизводительному отбору новых суперионных материалов и ускоряет разработку высокопроизводительных твердотельных аккумуляторных технологий. Результаты также предоставляют более широкую основу для интерпретации рассеяния Рамана в различных классах материалов, связывая атомистическое моделирование с экспериментальными измерениями.
Индикатор жидкостной проводимости
Сильный низкочастотный сигнал в спектре Рамана является четким спектроскопическим индикатором жидкостного ионного переноса в кристаллах
Причина сигнала
Сигнал возникает из-за временного нарушения симметрии кристаллической решетки, вызванного быстрым движением ионов, что ослабляет обычные правила отбора для рамановского рассеяния
Вычислительный прорыв
ML-конвейер позволяет моделировать колебательные спектры сложных и неупорядоченных материалов при реалистичных температурах с высокой точностью и значительно меньшими затратами по сравнению с традиционными методами
Практическое применение
Метод успешно идентифицировал рамановские сигнатуры, связанные с жидкостным движением ионов, в проводящих натрий материалах, что открывает путь к ускоренному поиску суперионных электролитов для батарей
Text generated using AI
