發展計算電化學方法與固體電解質預測獲進展

　　材料多尺度計算和機器學習是新材料設計的重要技術手段，在揭示材料本征特性與宏觀性能的內在關系方面具有優勢。就電池材料而言，電化學性能包含了能量密度、倍率性能、循環性能等多因素。如何通過這些方法實現復雜電池材料性能的有效計算與模擬，對電池材料設計與性能優化十分重要。

　　近期，中國科學院上海硅酸鹽研究所研究員劉建軍團隊從電池材料中電化學反應焓變對可變參數（如電荷轉移數、離子遷移反應坐標、副反應焓變等）微分的電化學活性計算模型出發，構建了多尺度方法和機器學習結合的計算電化學方法，并確定了電化學性能計算的邊界條件。利用這種計算電化學方法，可以實現電池材料能量密度與倍率性能有效預測，并能通過與機器學習方法結合，實現電池循環性能的有效預測。相關工作發表在WIREs Computational Molecular Science上。

　　固體電解質是全固態電池的重要組成，需要滿足高離子電導率與電化學穩定性。研究團隊利用計算電化學方法，首次發現一種陽離子與陰離子互為五配位多面體堆積的材料Li3NbO4。與傳統晶體結構呈現四配位與六配位不同，該[LiO5]與[NbO5]五配位結構，拓寬了Li+離子的遷移通道，具有低的離子遷移勢壘（0.39V）與高的離子電導率（3.3×10-2S/cm），電化學窗口達到了4.38V。相關工作發表在ACS Energy Letters上。

　　研究工作得到國家自然科學基金重點項目、面上項目、青年基金項目和上海市科委等的支持。