深势与合作伙伴在能源新材料领域取得重要进展 两大成果均登国际顶刊！

近日，深势科技联合宁德时代21C创新实验室与北京大学数学科学学院和材料科学与工程学院、北京科学智能研究院（AI for Science Institute,Beijing，以下简称AISI），采用深度势能方法^[1]研究硅基负极在脱嵌锂过程的相变和结构演化，并取得重要进展。相关研究成果以“Unraveling the Atomic-scale Mechanism of Phase Transformations and Structural Evolutions during (de)Lithiation in Si Anodes”为题发表在 Advanced Functional Materials 上^[2]。此前，深势科技、北京科学智能研究院联合宁德时代21C创新实验室、宁波材料所采用深度势能方法^[1]在研究有机无机复合钙钛矿的微观结构方面取得重大发现，研究成果“Hybrid nano-domain structures of organic-inorganic perovskites from molecule-cage coupling effects”也已在 Advanced Functional Materials 上发表^[3]。至此，深势科技与宁德时代及合作方取得两大阶段性成果。本文将对相关工作进行介绍。

深势•宁德•北大•AISI：

深度势能有效模拟电池材料的

复杂反应路径和相转变过程

硅(Si)由于其极高的理论容量被认为是下一代高比能锂电池最理想的负极材料之一。不过，全面且深入的机理研究仍具有挑战性。

近年来，实验和理论已经做出了相当大的努力来研究Si负极的锂化/脱锂过程并表征中间a-Li_xSi相，但相关研究中多种现象仍存在许多争议，其背后的原子尺度过程仍不清晰。这主要是因为实验表征在原子尺度无法精准地捕捉无定形结构的局域特征。如c-Si和a-Si锂化之间平台高度的差异机理，有限电压滞后的潜在机制，a-Si和c-Si之间的应力差异机理。这些问题很大程度上取决于Si负极的锂化/脱锂路径，特别是 c-Si到中间a-Li_xSi相的结构演变，以及电压滞后下电压曲线的复现。

分子动力学（molecular dynamics, MD）模拟是研究Si负极的电化学性质和结构演变的主要理论工具。由于人工智能领域的高速发展，机器学习势兼具ab initio MD的精度和传统MD的效率，能够实现大尺寸体系的高精度模拟，这为有效模拟电池材料的复杂反应路径和相转变过程开辟了新的机会。深势科技联合宁德时代与北大等合作伙伴的工作，借助深度势能训练了覆盖整个成分空间的高精度Li-Si势函数模型，进一步通过DeePMD再现了c-Si/a-Si锂化和c-Li_3.75Si/a-Li_4.5Si脱锂过程的电化学性质，捕捉了锂化/脱锂过程的结构转变特征。

该研究耦合DeePMD和巨正则蒙特卡洛（grand canonical Monte Carlo，GCMC）方法，计算了c-Si/a-Si锂化和c-Li_3.75Si/a-Li_4.5Si脱锂过程的电压曲线和结构演变路径（由于篇幅问题，详细的计算细节请见原文）。

对于c-Si/a-Si锂化过程的研究结果（见图1），主要结论是：

（1）DP预测的电压曲线（图1b）与实验结果（图1a）非常一致。随着Li含量x的增加，锂化电压曲线从高电压突变到稳定平台，再缓慢下降到零。

（2）DP模拟再现了c-Si和a-Si锂化初始阶段的电压平台，预测它们之间的电压平台差为0.17 V，与实验值0.22 V相当。该电压平台差可归因于c-Si中初始Li嵌入的能量低于a-Si中初始Li嵌入的能量，而c-Si和a-Si都锂化反应到相似的a-Li_xSi相。

（3）对于c-Si锂化过程中的结构演变（见图1c），首先在低Li区会形成Li-Si固溶体，然后在Li_0.296Si相中长程序逐渐消失，并扭曲成非晶Si四面体。

（4）对于a-Si锂化过程中的结构演变，DP获取了一系列与实验一致的中间a-Li_xSi相，见图1d。Si-Si键先从大的Si团簇断裂成环和Y-字母型团簇，然后断裂成Si-Si哑铃，最后形成孤立的Si原子。模拟中67 mV 电压对应的a-Li_3.62Si相与实验中60 mV对应的a-Li_3.4Si相类似，均形成了由Si-Si哑铃和孤立Si原子组成的非晶相。

图1. c-Si和a-Si锂化过程中实验（a）和模拟（b）的电压曲线。（c）从c-Si到Li_1.82Si的晶体锂化过程的结构演变示意图。（d）从a-Si到Li_3.63Si的非晶锂化过程的结构演变示意图。

对于c-Li_3.75Si脱锂过程的研究结果（见图2），主要结论是：

（1）DP预测的c-Li_3.75Si脱锂电压曲线与实验结果也有较好的一致性，见图2a和2b。该脱锂电压曲线首先跳变到一个平台；之后随着Li的继续去除，电压连续增加，达到平稳值，其中电压增加的速度也随着Li的脱出而增加，最后跳变到高电压。然而，a-Li_4.5Si的脱锂电压曲线类似于a-Si的锂化电压曲线，因为它们均为热力学上的稳定结构，详细分析见原文。

（2）对于c-Li_3.75Si脱锂过程中的结构演变（见图2c），当Li含量在3.0<x<3.75范围内，晶体结构基本保持不变，这类似于实验中描述的缺锂c-Li_15-δSi₄相。直到Li_2.992Si相，体系才出现含有Si-Si二聚体和Si-Si-Si键的局域无序结构。

（3）DP模拟估计了从c-Li_3.75Si到a-Li_3.75Si相转变相关的潜热效应，约为0.27 V。该c-Li_15-δSi₄到a-Li_15-δSi₄的相的转变导致了不可逆的能量损失，并引发电压曲线的滞后。

图2. c-Li_3.75Si和a-Li_4.5Si脱锂过程中实验（a）和模拟（b）的电压曲线。（c）从c-Li_3.75Si到Li_1.84Si的晶体脱锂过程的结构演变示意图。

在本工作中，作者训练了覆盖整个成分空间的高精度Li-Si势函数，并用于研究Si基负极的锂化/脱锂过程。基于该势函数，耦合DeePMD和GCMC模拟复现了Si基负极的锂化/脱锂过程诸多实验现象，如晶体与非晶体之间的电压平台差、c-Li_15-δSi₄到a-Li_15-δSi₄的相变引起的电压滞后等，揭示了锂化和脱锂反应路径的差异及原子尺度机理，为硅阳极的电化学性能和相变反应提供了重要的见解。

深势•AISI•宁德•宁波材料所：

机器学习加速企业和学界

对钙钛矿在光伏中的科研工作

有机-无机复合钙钛矿是近年来最火的新型光伏材料。相关研究工作多集中于以下三点：1. 理论或实验研究温度、缺陷、表界面等对光伏性质的影响；2. 实验研究温度、缺陷、表界面等因素对稳定性的影响；3. 实验室通过优化制备过程或器件设计来提高稳定性。

然而，由于有机-无机复合体系的结构复杂性，晶体学表征方法受噪声影响非常大，对其结构的理解仍然非常不足。比如实验发现，随着温度降低，在相变点，FAPbI3钙钛矿晶体学衍射谱上的噪音突然增多，谱峰难以标定。在常规体系中，随着温度降低，一方面，体系的对称性趋于降低，衍射峰会发生劈裂；另一方面，由于热扰动诱发的非谐震动减少，衍射峰倾向于变窄。而高温立方相的一个衍射峰，随着温度降低至四方相，劈裂成的两个衍射峰，而在低温正交相再次”fuse”成一个模糊的宽峰。这一非常规现象被多篇文献报道，导致FAPbI3钙钛矿的低温真实结构至今未知。

深度势能方法兼具第一性原理精度和近经验势的速度。非常适合需要长时间分子动力学的低温物相问题。而对于有机无机杂化体系，由于分子旋转弛豫时间长达数十到数百皮秒，要想获得有机无机杂化体系的低温平衡结构，所需的分子动力学模拟时长又比多数无机体系多出数十到数百倍。该工作借助深度势能生成器DP-GEN^[4]训练了有机无机杂化钙钛矿FAPbI3和MAPbI3的DP势，通过分子动力学模拟研究了两种材料的低温构型。模拟发现，在低温下，有机-无机复合钙钛矿形成一种耦合畴结构，即在单畴的晶格中嵌套着分子取向空间分布不均匀形成的多畴。根据Scherrer公式，这种纳米尺寸的畴结构导致晶面间距非均匀分布，衍射峰变宽，甚至于原本劈裂的衍射峰“fuse”。^[5]

钙钛矿在工作环境中失效报废的过程，就是其微观组织结构的改变过程。该工作首次探究清楚了低温下FAPbI3钙钛矿非常规的衍射现象与钙钛矿微观精细结构的对应关系，为解决钙钛矿光伏材料的稳定性问题提供了理论基础。

由于在实际生产中缺陷无法完全避免，因此摸清缺陷对材料性能的影响能为工业设计和工艺设计提供非常有价值的参考。基于机器学习的MD模拟策略为探索缺陷对类钙钛矿材料稳定性的影响提供了新的思路，为稳定钙钛矿材料的设计增加了理论基础。

小结

创新不是无源之水。目前中国在新能源领域已走到世界前列，除了正面攻坚科学难题，别无捷径。业界学界已有共识，新能源的瓶颈在于能源材料，而吃透材料的机理是实现高效理性设计的第一步，也是从“原始创新”走向“商业成功”的必经之路。

关于合作伙伴的相关情况，请参看：

北京大学数学科学学院：

北京大学材料科学与工程学院：

中科院宁波材料所：

AISI：

北京科学智能研究院（AI for Science Institute,Beijing，以下简称AISI）成立于2021年9月，由鄂维南院士领衔，致力于将人工智能技术与科学研究相结合，加速不同科学领域的发展和突破，推动科学研究范式的革新，建设引领世界的「AI for Science」基础设施体系。

AISI的研究人员来自国内外顶尖高校、科研机构和科技企业，共同聚焦物理建模、数值算法、人工智能、高性能计算等交叉领域的核心问题。

AISI致力于创造思想碰撞的学术环境，鼓励自由探索和跨界合作，共同探索人工智能与科学研究结合的新可能。

宁德时代21C-Lab创新实验室：

21C创新实验室聚焦基础前沿科学问题及产品技术痛点问题，瞄准国内外最优质合作资源，促进开放交流、鼓励协同创新。在前沿研究向产业转化的过程中，解决了一个又一个的技术难题。

两项工作核心人员介绍：

傅方佳：南京大学物理化学专业，获理学博士学位，北京大学数学科学学院博士后和北京科学智能研究院研究员。主要致力于通过理论模拟结合机器学习，预测电池负极材料的性能、揭示影响材料的电化学性能及其微观机理的演变规律，并基于此为材料的优化设计提供理论指导。在Adv. Funct. Mater., J. Phys. Chem. B/C, Phys. Chem. Chem. Phys.等杂志发表SCI论文~10篇。

拓娉：中国科学技术大学物理系博士，2020年底获得博士学位。2021年2月加入鄂维南院士和张林峰博士团队，先后在深势科技（2021年2月~2021年9月）、北京科学智能研究院（2021年9月至今）从事研究员工作。研究方向是用深度势模型结合增强采样研究有机无机杂化钙钛矿的衰变现象。已在AFM/JCP/JAC/PCCP等期刊以第一作者发表SCI论文5篇。

参考资料

[1] ‍‍‍‍‍‍‍Zhang, L., Han, J., Wang, H., Car, R. and E, W. Deep Potential Molecular Dynamics: A Scalable Model with the Accuracy of Quantum Mechanics. Phys. Rev. Lett., 2018, 120, 143001.

[2] Fu, F., Wang, X. Zhang, L., Yang, Y., Chen, J., Xu, B., Ouyang, C., Xu, S., Dai, F. Z., and E, W. Adv. Funct. Mater., 2023, DOI: 10.1002/adfm.202303936.

[3]Ping Tuo, Lei Li, Xiaoxu Wang, Jianhui Chen, Zhicheng Zhong, Bo Xu, Fu-Zhi Dai , 2023,DOI: 10.1002/adfm.202301663.

[4]Ping Tuo, Lei Li, Xiaoxu Wang, Bo Xu, Jianhui Chen, Zhicheng Zhong, Fu-Zhi Dai, Hybrid nano-domain structures of organic-inorganic perovskites from molecule-cage coupling effects,         arXiv:2209.12445

[5]P Tuo, DP还能干这个？DeePMD用于研究有机无机复合钙钛矿的微观结构, https://www.zhihu.com/org/shen-du-shi-neng-deep-potential

[6]EV何时能“充电五分钟，狂飙一千里”,https://mp.weixin.qq.com/s/NYgYTVlTpmLgGauX5IzQlw

[7]钙钛矿高效研发背后的“秘密武器”, https://mp.weixin.qq.com/s/Gp1umbHauo113B3ZyP1WRg

[8]DP还能干这个？DeePMD用于研究硅基负极脱嵌锂过程的相变和结构演化,https://mp.weixin.qq.com/s/kXiWgxXoKAR8SZwwlnurhw?scene=25#wechat_redirect

关于深势科技

深势科技是“AI for Science”科学研究范式的引领者和践行者，致力于运用人工智能和分子模拟算法，结合先进计算手段求解重要科学问题，为人类文明最基础的生物医药、能源、材料和信息科学与工程研究打造新一代微尺度工业设计和仿真平台。

我们开创性地提出了「多尺度建模+机器学习+高性能计算」的革命性科学研究新范式，并推出了Bohrium®微尺度科学计算云平台、Hermite®药物计算设计平台、RiDYMO™强化动力学平台及电池材料计算设计平台等微尺度工业设计基础设施，颠覆了现有研发模式，打造“计算引导实验、实验优化设计”的全新范式。

深势科技是国家高新技术企业、北京市“专精特新”中小企业，总部位于北京，并在上海、深圳等城市布局研发中心。科研技术团队由中国科学院院士领衔，汇集了超百位数学、物理、化学、生物、材料、计算机等多个领域的优秀青年科学家和工程师，其中公司的博士及博士后占比超过35%。核心成员获得过2020年全球计算机高性能计算领域的最高奖项“戈登贝尔奖”，相关工作当选2020年中国十大科技进展和全球AI领域十大技术突破。