Advanced Materials· Abdullah Bin Faheem,
Haobo Li·· 6 天前精选AI 评分58
机器学习势揭示反钙钛矿固态电解质晶界非晶度与离子输运的火山关系
Machine‐Learning‐Potential‐Driven Volcano Relationship in Grain Boundary Amorphicity and Ionic Transport of Antiperovskite Solid Electrolytes
模型导读
研究用主动学习的机器学习原子间势（MLIP）驱动分子动力学模拟，在氧卤化物反钙钛矿固态电解质中发现晶界非晶度与离子输运之间存在火山关系。Cl 富集的晶界过于有序，Br 富集则无序过度并阻碍迁移，中间 Cl⁻/Br⁻ 比例的适度非晶晶界使 Li 离子输运最大化。作者据此通过选择性卤素调控设计阴离子工程晶界，提出受控阴离子偏析作为降低界面电阻的策略。
推荐理由
该工作用主动学习的机器学习势函数做大规模MD，把晶界非晶度与离子输运的火山关系量化出来，为界面无序调控提供可迁移的设计思路。
来源：Advanced Materials · advanced.onlinelibrary.wiley.com