全站搜索
首页_赢咖4星辉-官方注册地址
首页_赢咖4星辉-官方注册地址
赢咖4注册金属所利用机器学习方法筛选高性能锂硫电池单原子催化剂
作者:管理员    发布于:2021-08-27 11:13    文字:【】【】【

  赢咖4作为国家在科学技术方面的最高学术机构和全国自然科学与高新技术的综合研究与发展中心,建院以来,中国科学院时刻牢记使命,与科学共进,与祖国同行,以国家富强、人民幸福为己任,人才辈出,硕果累累,为我国科技进步、经济社会发展和国家安全做出了不可替代的重要贡献。更多简介 +

  中国科学技术大学(简称“中科大”)于1958年由中国科学院创建于北京,1970年学校迁至安徽省合肥市。中科大坚持“全院办校、所系结合”的办学方针,是一所以前沿科学和高新技术为主、兼有特色管理与人文学科的研究型大学。

  中国科学院大学(简称“国科大”)始建于1978年,其前身为中国科学院研究生院,2012年更名为中国科学院大学。国科大实行“科教融合”的办学体制,与中国科学院直属研究机构在管理体制、师资队伍、培养体系、科研工作等方面共有、共治、共享、共赢,是一所以研究生教育为主的独具特色的研究型大学。

  上海科技大学(简称“上科大”),由上海市人民政府与中国科学院共同举办、共同建设,2013年经教育部正式批准。上科大秉持“服务国家发展战略,培养创新创业人才”的办学方针,实现科技与教育、科教与产业、科教与创业的融合,是一所小规模、高水平、国际化的研究型、创新型大学。

  锂硫电池的高能量密度使其成为下一代储能技术的有力候选者,其正负极的主要活性物质分别是硫和锂,在充放电过程中会形成可溶的高阶多硫化物从正极扩散至负极,导致正极活性物质的流失以及负极的失活,即“穿梭效应”。同时,正极处缓慢的硫还原动力学也限制了锂硫电池的性能。近年来,有研究发现,应用在锂硫电池正极材料中的负载型单原子催化剂可以抑制“穿梭效应”,以及加快硫还原反应动力学。然而,单原子催化剂的结构种类繁多,超出了传统的“试错法”或常规DFT计算的能力,需开展系统研究。

  近日,中国科学院金属研究所沈阳材料科学国家研究中心联合研究部副研究员李波研究小组,采用基于高通量密度泛函理论计算的机器学习方法,系统研究了多硫化物的吸附模式,并对上千种氮掺杂碳材料负载的过渡金属单原子催化剂进行了筛选,为锂硫电池正极材料中单原子催化剂的设计提供了指导。

  研究人员首先采用密度泛函理论对800余个吸附结构进行计算,结果显示多硫化锂在催化剂上有四种可能的吸附构型,并可分为两大类,即解离吸附和非解离吸附。基于晶体图卷积神经网络训练的分类器,研究区分了发生S-S键断裂的吸附与其他类型的吸附。进一步对吸附构型的电子结构分析显示,负载金属原子后催化剂与多硫化锂间的相互作用发生明显变化,因而使吸附显著增强,从而减少“穿梭”过程的发生。此外,机器学习训练出的回归模型对吸附能也有较好的预测能力,其平均绝对误差为0.14 eV。基于这一模型,研究预测了上千个吸附构型的吸附能,并利用过电势的计算给出了相应的火山型曲线。结合可溶性多硫化物的吸附能,研究预测并筛选出数个性能均衡的单原子催化剂。该研究拓宽了单原子催化剂的应用范围,也为锂硫电池正极材料的设计提供了新思路。

  相关研究成果近日发表在The Journal of Physical Chemistry Letters上,并被选为封面文章。研究工作得到国家自然科学基金、辽宁省自然科学基金材料联合基金、NSFC-广东联合基金(第二期)超级计算科学应用研究专项等的资助。

  图3.多硫化锂吸附能及过电势的预测。a)LiS*的吸附能;b)不同催化剂上最弱的可溶性多硫化锂吸附能;c)所预测的全部催化剂的“火山图”;d)过电势低于0.1V的催化剂;e)预测的过电势。

  锂硫电池的高能量密度使其成为下一代储能技术的有力候选者,其正负极的主要活性物质分别是硫和锂,在充放电过程中会形成可溶的高阶多硫化物从正极扩散至负极,导致正极活性物质的流失以及负极的失活,即“穿梭效应”。同时,正极处缓慢的硫还原动力学也限制了锂硫电池的性能。近年来,有研究发现,应用在锂硫电池正极材料中的负载型单原子催化剂可以抑制“穿梭效应”,以及加快硫还原反应动力学。然而,单原子催化剂的结构种类繁多,超出了传统的“试错法”或常规DFT计算的能力,需开展系统研究。

  近日,中国科学院金属研究所沈阳材料科学国家研究中心联合研究部副研究员李波研究小组,采用基于高通量密度泛函理论计算的机器学习方法,系统研究了多硫化物的吸附模式,并对上千种氮掺杂碳材料负载的过渡金属单原子催化剂进行了筛选,为锂硫电池正极材料中单原子催化剂的设计提供了指导。

  研究人员首先采用密度泛函理论对800余个吸附结构进行计算,结果显示多硫化锂在催化剂上有四种可能的吸附构型,并可分为两大类,即解离吸附和非解离吸附。基于晶体图卷积神经网络训练的分类器,研究区分了发生S-S键断裂的吸附与其他类型的吸附。进一步对吸附构型的电子结构分析显示,负载金属原子后催化剂与多硫化锂间的相互作用发生明显变化,因而使吸附显著增强,从而减少“穿梭”过程的发生。此外,机器学习训练出的回归模型对吸附能也有较好的预测能力,其平均绝对误差为0.14 eV。基于这一模型,研究预测了上千个吸附构型的吸附能,并利用过电势的计算给出了相应的火山型曲线。结合可溶性多硫化物的吸附能,研究预测并筛选出数个性能均衡的单原子催化剂。该研究拓宽了单原子催化剂的应用范围,也为锂硫电池正极材料的设计提供了新思路。

  相关研究成果近日发表在The Journal of Physical Chemistry Letters上,并被选为封面文章。研究工作得到国家自然科学基金、辽宁省自然科学基金材料联合基金、NSFC-广东联合基金(第二期)超级计算科学应用研究专项等的资助。

  图3.多硫化锂吸附能及过电势的预测。a)LiS*的吸附能;b)不同催化剂上最弱的可溶性多硫化锂吸附能;c)所预测的全部催化剂的“火山图”;d)过电势低于0.1V的催化剂;e)预测的过电势。

相关推荐
  • 赢咖4深度学习精确预测 RNA仅需训练 18 种已知结构:斯坦福研究登上 Science 封面
  • 赢咖4注册金属所利用机器学习方法筛选高性能锂硫电池单原子催化剂
  • 赢咖4娱乐又一位上海交大AI大神创业「倍赛科技」完成B轮融资
  • 赢咖4娱乐《人工智能与机器学习现状年度报告》发布揭示AI市场5大趋势
  • 赢咖4数字化转型成行业焦点 浙商证券:以客户为中心实践数字化
  • 赢咖4注册百融云创推出“ORCA”自动机器学习平台 助力金融机构智能化发展
  • 赢咖4KAUST将机器学习训练速度提高7倍 有助于改进自动驾驶汽车等应用
  • 赢咖4机器学习容易遗忘却很难!如何让机器“选择性失忆”保护我们的个人隐私?
  • 赢咖4注册未来颠覆性军事科技及应用前景
  • 赢咖4澳鹏Appen发布全新《人工智能与机器学习现状年度报告
  • 脚注信息
    版权所有 Copyright(C)2020 星辉娱乐
    网站地图|xml地图|友情链接: 百度一下