美高梅科研人员在机器学习辅助锂金属负极固态电解质界面膜微结构设计方面取得进展

作者: 来源:发布时间:2023-12-13

锂金属负极具有高达3860mAh/g的理论容量,远高于商用石墨负极材料,被认为是新一代电化学储能电极材料,极具发展潜力。然而,在循环过程中,锂金属表面的固态电解质界面(SEI)膜的反复机械失效—再生过程引发了不可控的锂枝晶生长,带来了严重的循环稳定性与安全性问题,阻碍了锂金属负极的实际应用。因此,深入研究SEI膜的机械耐久性,抑制SEI膜的机械失效,对于优化锂金属负极的循环稳定性与安全性至关重要。已有实验表明,SEI膜的微结构为晶体颗粒随机分布于非晶结构基体中,其位置分布对SEI膜的机械耐久性有着显著的影响。因此,建立SEI膜微结构-机械耐久性的映射关系,对于设计SEI膜微结构以提升其机械耐久性具有重要意义。然而,晶态颗粒在SEI膜内具有无限多的可能分布,基于传统的实验或模拟计算的手段难以建立结构-机械耐久性的关系。

近日,美高梅mgm最新登录入口强度室邓俊楷教授课题组针对上述挑战,同美高梅mgm最新登录入口宋江选教授合作,利用深度学习技术对锂金属负极SEI膜微结构-机械耐久性的映射关系进行研究。研究团队通过有限元高通量计算,随机建立SEI膜微结构与其机械失效时间的对应数据集,并使用卷积神经网络进行训练,建立了二者的对应关系。随后利用逆向蒙特卡洛与卷积神经网络相结合的方法对SEI膜微结构进行优化,设计出晶态颗粒均匀排列的SEI膜微结构,并理论验证该微结构具有优异的机械耐久性。该工作基于类激活映射图技术以及进一步的有限元计算,识别了决定SEI膜机械耐久性的关键结构特征以及深层物理机理,建立了锂金属负极SEI模微结构-机械耐久性的映射关系,有助于理解SEI膜机械失效的微观机理及晶态颗粒分布对于机械失效的影响,对于人工SEI膜的设计与实现有一定的指导意义。

本项研究成果最近以《通过深度学习方法设计具有高机械耐久性的固态电解质界面膜纳米结构》(“Design of Nanostructure in Solid Electrolyte Interphase for Enhancing the Mechanical Durability of Lithium Metal Anode by Deep-Learning Approach”)为题发表在学术期刊《储能材料》(Energy Storage Materials影响因子IF= 20.4上。美高梅mgm最新登录入口为论文第一作者和通讯单位,论文第一作者陈圣捷是美高梅mgm最新登录入口邓俊楷教授培养的硕士研究生,参与本项工作的还有能动学院师进文教授。本项研究得到了国家自然科学基金和陕西省重点研发计划等的资助。研究工作也得到了美高梅mgm最新登录入口高算平台和西安未来人工智能计算中心提供的算力和技术支持。

论文链接:https://www.sciencedirect.com/science/article/pii/S2405829723004749