基于数据挖掘,分析了过去四十年报道的具有高离子电导率的镁基固态电解质的结构特征,总结了三种优化镁离子固态电解质性能的策略。基于实验和理论计算技术的发展,讨论了现阶段开发镁固态电解质的机遇和挑战。论述了实验、理论计算和机器学习在开发新型高性能镁离子固态电解质过程中的协作方案。
镁(Mg)在地壳中的储量丰富且理论体积容量高,这使得其在储能领域备受关注。特别是在固态电池方向,Mg离子固态电池极具发展潜力,可作为锂电池的理想替代品。然而,镁离子在固态电解质中迁移缓慢,这是发展镁离子固态电池的关键挑战之一。因此,揭示离子传导机制,进一步阐明镁离子固态电解质的结构与性能之间的关系,这将为开发新型固态电解质提供更精确的设计指南。提高室温下Mg离子在固态电解质中的离子电导率,是改善Mg离子固态电池性能的重要课题。近年来,虽有各种传导镁离子的固态电解质被广泛报道,但很难从单一的文献报告中得出关键的信息。我们基于对过去四十年报道的具有高离子电导率的镁基固态电解质的分析和总结,为优化和开发下一代镁离子固态电解质提供了大数据见解。
图1:近40年来发表的双价离子固态电解质材料的统计。(a)Mg2+、Zn2+和Ca2+的离子电导率随温度的分布。右框显示了在不同的离子电导率范围内的固态电解质材料的计数。(b) 基于Mg2+、Zn2+和Ca2+固态电解质的报告。图的上半部分,不同颜色表示不同的固态电解质材料;图的下半部分,展示了Mg基固态电解质的不同优化策略。
图2:提出的一种从二价固态电解质的复杂材料空间中获得高性能固态电解质的方案。数据挖掘将在获取有前景的基于二价离子的固态电解质材料方面发挥关键作用,并通过后续数据挖掘、理论计算和建模以及实验的综合策略来研究离子在固态电解质中的迁移机制,揭示潜在固态电解质材料结构与性能之间的关系。最后,通过考虑各种优化策略,将加速离子在固态电解质中的迁移。
与单一文献报告的有限见解相比,我们基于大数据的分析可以了解固态电解质的整体情况,进而在搜索和理解固态电解质方面获得更全面的信息。然而,由于当前的数据数量有限,探索新的高性能镁离子固态电解质对数据驱动的机器学习提出了挑战。理论计算和机器学习相结合可能是克服这一困境的重要方法。理论计算得到的新的特征和结构特性可以引入机器学习,以提高模型精度。同时,机器学习可以从复杂的材料空间中快速筛选潜在的候选者,然后通过理论计算揭示离子在固态电解质中迁移的内部机制。总而言之,开发用于下一代电池的镁离子固态电解质仍然是一个具有挑战性的课题,但文献报道了一些具有高离子电导率的镁离子固态电解质,证明了二价阳离子在室温操作条件下迁移的可行性。因此,我们对采用数据科学等新的分析技术解决许多关键瓶颈保持乐观态度。https://www.wpi-aimr.tohoku.ac.jp/en/research/researcher/li_h.html本文已在网络优先出版,将收录于《电化学(中英文)》期刊的《中日电化学储能交流专辑》。
杨方令, 佐藤龙平, 程建锋, 木須一彰, 王倩, 贾雪, 折茂慎一, 李昊. 数据驱动发展下一代镁离子固态电解质[J]. 电化学(中英文), doi: 10.61558/2993-074X.3461.Fangling Yang, Ryuhei Sato, Eric Jianfeng Cheng, Kazuaki Kisu, Qian Wang, Xue Jia, Shin-ichi Orimo, and Hao Li. Data-Driven Viewpoints for Developing Next-Generation Mg-Ion Solid-State Electrolytes[J]. Journal of Electrochemistry, 2024, doi: 10.61558/2993-074X.3461.
10.61558/2993-074X.3461
https://electrochem.xmu.edu.cn/CN/10.61558/2993-074X.3461相 关 推 荐
关 于 我 们