-
近年来，在锂二次电池新材料的研发过程中逐渐建立了基于材料基因组思想的高通量计算理论工具与研究平台.在该平台上，通过将不同精度的计算方法组合，实现了基于离子输运性质的材料筛选；通过将信息学中数据挖掘算法引入高通量计算数据的分析，证实了材料大数据解读的可行性.上述平台实现了在锂电池固体电解质的高通量筛选、优化和设计上进行新材料研发的示范应用，通过高通量计算筛选获得了两种可用于富锂正极包覆材料的化合物Li2SiO3和Li2SnO3，有效改善了富锂正极的循环稳定性；通过对掺杂策略的高通量筛选，获得了提高固体电解质-Li3PS4离子电导率和稳定性的方案；通过高通量结构预测设计了全新的氧硫化物固体电解质LiAlSO；并在零应变电极材料结构与性能的构效关系研究中进行了大数据分析的尝试，分析了零应变电极材料的设计依据.上述材料基因组方法在锂电池材料研发中的应用为在其他类型材料研发中推广这种新的研发模式提供了可能.After the continuous research on the discovering new materials based on theoretical methods and material genome initiative, the high-throughput simulation platform is established. With this new research mode and platform, the screening, optimization and design of lithium battery materials are realized by using lithium migration properties as criteria. The attempt at introducing machine learning method into material design is also made. With the high-throughput bond-valence calculations, two coating materials for Li-rich cathode are found, the modified -Li3PS4 and a new layered oxysulfide as novel lithium superionic conductors are designed, and the relationship between the volume change of electrode during delithiation and the atomic structure is investigated. The application of the material genome method to the development of lithium battery materials provides the possibility to promote this new research and development model in other types of materials.
[1] Tarascon J M, Armand M 2001 Nature 414 359
[2] Goodenough J B, Kim Y 2010 Chem. Mater. 22 587
[3] Li H, Wang Z X, Chen L Q, Huang X 2009 Adv. Mater. 21 4593
[4] Jain A, Hautier G, Moore C J, Ong S P, Fischer C C, Mueller T, Ceder G 2011 Comput. Mater. Sci. 50 2295
[5] Wu M S, Xu B, Ouyang C Y 2016 Chin. Phys. B 25 018206
[6] Knauth P 2009 Solid State Ionics 180 911
[7] Takada K 2013 Acta Mater. 61 759
[8] Yao X, Huang J, Yin J, Peng G, Huang Z, Gao C, Liu D, Xu X 2016 Chin. Phys. B 25 018802
[9] Tatsumisago M, Nagao M, Hayashi A 2013 J. Asian Ceram. Soc. 1 17
[10] Huggins R A 1999 J. Power Sources 81-82 13
[11] Chen Z H, Christensen L, Dahn J R 2003 Electrochem. Commun. 5 919
[12] Xiao R J, Li H, Chen L Q 2015 J. Materiomics 1 325
[13] Anurova N A, Blatov V A 2009 Acta Crystallogr. B 65 426
[14] Brown I D 2009 Chem. Rev. 109 6858
[15] Adams S, Prasada Rao R 2011 Phys. Status Solidi A 208 1746
[16] Meng Y S, Elena Arroyo-de Dompablo M 2009 Energy Environ. Sci. 2 589
[17] Xiao R J, Li H, Chen L Q 2015 Sci. Rep. 5 14227
[18] Wang D, Zhang X, Xiao R J, Lu X, Li Y, Xu T, Pan D, Hu Y S, Bai Y 2018 Electrochim. Acta 265 244
[19] Kamaya N 2011 Nat. Mater. 10 682
[20] Mizuno F, Hayashi A, Tadanaga K, Tatsumisago M 2005 Adv. Mater. 17 918
[21] Mo Y, Ong S P, Ceder G 2012 Chem. Mater. 24 15
[22] Tachez M, Malugani J P, Robert G 1984 Solid State Ionics 14 181
[23] Wang X L, Xiao R J, Li H, Chen L Q 2016 Phys. Chem. Chem. Phys. 18 21269
[24] Chen Y, Xi X, Yim W L, Peng F, Wang Y, Wang H, Chen Z 2013 J. Phys. Chem. C 117 25677
[25] Zhang X, Wang Y, L J, Zhu C, Li Q, Zhang M, Li Q, Ma Y 2013 J. Chem. Phys. 138 114101
[26] Zhong X, Wang H, Zhang J, Liu H, Zhang S, Song H F, Yang G, Zhang L, Ma Y 2016 Phys. Rev. Lett. 116 057002
[27] Wang Y, L J, Zhu L, Ma Y 2012 Comput. Phys. Commun. 183 2063
[28] Wang X L, Xiao R J, Li H, Chen L Q 2017 Phys. Rev. Lett. 118 195901
[29] Ward L, Agrawal A, Choudhary A, Wolverton C 2016 npj Comput. Mater. 2 16028
[30] Mueller T, Kusne A G, Pamprasad R 2016 Rev. Comput. Chem. 29 186
[31] Ghiringhelli L M, Vybiral J, Levchenko S V, Draxl C, Scheffler M 2015 Phys. Rev. Lett. 114 105503
[32] Rupp M, Tkatchenko A, Muller K R, Anatole von Lilienfeld O 2012 Phys. Rev. Lett. 108 058301
[33] Artrith N, Urban A 2016 Comput. Mater. Sci. 114 135
[34] Wang Y S, Yu X Q, Su S Y, Bai J M, Xiao R J, Hu Y S 2013 Nat. Commun. 4 2365
[35] Wang X L, Xiao R J, Li H, Chen L Q 2017 J. Materiomics 3 178
期刊类型引用(10)
1. 雍兮，刘振宝，王长军，宁静. 超高强钢的基因组数据库管理平台建设及应用. 钢铁. 2023(02): 168-172+187 . 
百度学术2. 刘悦，刘大晖，葛献远，杨正伟，马舒畅，邹喆乂，施思齐. 高质量的材料科学文本挖掘数据集构建方法. 物理学报. 2023(07): 128-141 . 百度学术3. 司司，卡盖·索音图，庄明兴，刘妍，Fateev Vladimir N.，魏永生. 人工智能在可再生能源材料研发领域的研究进展. 稀有金属. 2023(04): 570-586 . 百度学术4. 胡华坤，李新丽，薛文东，蒋朋，李勇. 基于CiteSpace的锂离子电池用低温电解液知识图谱分析. 储能科学与技术. 2022(01): 379-396 . 百度学术5. 孔维悦，林紫威，李鑫，黄琪，朱雷. 材料基因组技术在集成电路材料研究中的应用进展. 功能材料与器件学报. 2022(04): 356-370 . 百度学术6. 王鑫萌，石鹏，张学强，陈爱兵，张强. 实用化条件下金属锂负极失效的研究. 物理学报. 2020(22): 150-158 . 百度学术7. 余启鹏，刘琦，王自强，李宝华. 全固态金属锂电池负极界面问题及解决策略. 物理学报. 2020(22): 205-223 . 百度学术8. 牛程程，李少波，胡建军，但雅波，曹卓，李想. 机器学习在材料信息学中的应用综述. 材料导报. 2020(23): 23100-23108 . 百度学术9. 赵旭东，范丽珍. 第一性原理计算在固态电解质研究中的应用. 硅酸盐学报. 2019(10): 1396-1403 . 百度学术10. 周恩斌，王立权，林嘉平，朱峻立，杜磊，邓诗峰，顾佳斌，张良顺. 低黏度含硅芳炔树脂的材料基因组设计及理论模拟验证. 高分子学报. 2019(12): 1322-1330 . 百度学术其他类型引用(3)
-
[1] Tarascon J M, Armand M 2001 Nature 414 359
[2] Goodenough J B, Kim Y 2010 Chem. Mater. 22 587
[3] Li H, Wang Z X, Chen L Q, Huang X 2009 Adv. Mater. 21 4593
[4] Jain A, Hautier G, Moore C J, Ong S P, Fischer C C, Mueller T, Ceder G 2011 Comput. Mater. Sci. 50 2295
[5] Wu M S, Xu B, Ouyang C Y 2016 Chin. Phys. B 25 018206
[6] Knauth P 2009 Solid State Ionics 180 911
[7] Takada K 2013 Acta Mater. 61 759
[8] Yao X, Huang J, Yin J, Peng G, Huang Z, Gao C, Liu D, Xu X 2016 Chin. Phys. B 25 018802
[9] Tatsumisago M, Nagao M, Hayashi A 2013 J. Asian Ceram. Soc. 1 17
[10] Huggins R A 1999 J. Power Sources 81-82 13
[11] Chen Z H, Christensen L, Dahn J R 2003 Electrochem. Commun. 5 919
[12] Xiao R J, Li H, Chen L Q 2015 J. Materiomics 1 325
[13] Anurova N A, Blatov V A 2009 Acta Crystallogr. B 65 426
[14] Brown I D 2009 Chem. Rev. 109 6858
[15] Adams S, Prasada Rao R 2011 Phys. Status Solidi A 208 1746
[16] Meng Y S, Elena Arroyo-de Dompablo M 2009 Energy Environ. Sci. 2 589
[17] Xiao R J, Li H, Chen L Q 2015 Sci. Rep. 5 14227
[18] Wang D, Zhang X, Xiao R J, Lu X, Li Y, Xu T, Pan D, Hu Y S, Bai Y 2018 Electrochim. Acta 265 244
[19] Kamaya N 2011 Nat. Mater. 10 682
[20] Mizuno F, Hayashi A, Tadanaga K, Tatsumisago M 2005 Adv. Mater. 17 918
[21] Mo Y, Ong S P, Ceder G 2012 Chem. Mater. 24 15
[22] Tachez M, Malugani J P, Robert G 1984 Solid State Ionics 14 181
[23] Wang X L, Xiao R J, Li H, Chen L Q 2016 Phys. Chem. Chem. Phys. 18 21269
[24] Chen Y, Xi X, Yim W L, Peng F, Wang Y, Wang H, Chen Z 2013 J. Phys. Chem. C 117 25677
[25] Zhang X, Wang Y, L J, Zhu C, Li Q, Zhang M, Li Q, Ma Y 2013 J. Chem. Phys. 138 114101
[26] Zhong X, Wang H, Zhang J, Liu H, Zhang S, Song H F, Yang G, Zhang L, Ma Y 2016 Phys. Rev. Lett. 116 057002
[27] Wang Y, L J, Zhu L, Ma Y 2012 Comput. Phys. Commun. 183 2063
[28] Wang X L, Xiao R J, Li H, Chen L Q 2017 Phys. Rev. Lett. 118 195901
[29] Ward L, Agrawal A, Choudhary A, Wolverton C 2016 npj Comput. Mater. 2 16028
[30] Mueller T, Kusne A G, Pamprasad R 2016 Rev. Comput. Chem. 29 186
[31] Ghiringhelli L M, Vybiral J, Levchenko S V, Draxl C, Scheffler M 2015 Phys. Rev. Lett. 114 105503
[32] Rupp M, Tkatchenko A, Muller K R, Anatole von Lilienfeld O 2012 Phys. Rev. Lett. 108 058301
[33] Artrith N, Urban A 2016 Comput. Mater. Sci. 114 135
[34] Wang Y S, Yu X Q, Su S Y, Bai J M, Xiao R J, Hu Y S 2013 Nat. Commun. 4 2365
[35] Wang X L, Xiao R J, Li H, Chen L Q 2017 J. Materiomics 3 178
期刊类型引用(10)
1. 雍兮，刘振宝，王长军，宁静. 超高强钢的基因组数据库管理平台建设及应用. 钢铁. 2023(02): 168-172+187 . 百度学术2. 刘悦，刘大晖，葛献远，杨正伟，马舒畅，邹喆乂，施思齐. 高质量的材料科学文本挖掘数据集构建方法. 物理学报. 2023(07): 128-141 . 百度学术3. 司司，卡盖·索音图，庄明兴，刘妍，Fateev Vladimir N.，魏永生. 人工智能在可再生能源材料研发领域的研究进展. 稀有金属. 2023(04): 570-586 . 百度学术4. 胡华坤，李新丽，薛文东，蒋朋，李勇. 基于CiteSpace的锂离子电池用低温电解液知识图谱分析. 储能科学与技术. 2022(01): 379-396 . 百度学术5. 孔维悦，林紫威，李鑫，黄琪，朱雷. 材料基因组技术在集成电路材料研究中的应用进展. 功能材料与器件学报. 2022(04): 356-370 . 百度学术6. 王鑫萌，石鹏，张学强，陈爱兵，张强. 实用化条件下金属锂负极失效的研究. 物理学报. 2020(22): 150-158 . 百度学术7. 余启鹏，刘琦，王自强，李宝华. 全固态金属锂电池负极界面问题及解决策略. 物理学报. 2020(22): 205-223 . 百度学术8. 牛程程，李少波，胡建军，但雅波，曹卓，李想. 机器学习在材料信息学中的应用综述. 材料导报. 2020(23): 23100-23108 . 百度学术9. 赵旭东，范丽珍. 第一性原理计算在固态电解质研究中的应用. 硅酸盐学报. 2019(10): 1396-1403 . 百度学术10. 周恩斌，王立权，林嘉平，朱峻立，杜磊，邓诗峰，顾佳斌，张良顺. 低黏度含硅芳炔树脂的材料基因组设计及理论模拟验证. 高分子学报. 2019(12): 1322-1330 . 百度学术其他类型引用(3)
计量
- 文章访问数: 11568
- PDF下载量: 761
- 被引次数: 13
下载:
