上交李金金EnSM: 机器学习筛选具有高电导率和快速离子动力学的Mg/Zn离子电池正极的尖晶石结构

具有各种孔隙率的尖晶石结构是用于提高电极材料性能的有前途的离子电池正极。对于Mg/Zn离子电池，现有的尖晶石正极材料不能满足综合性能要求，如高离子扩散、导电性和低体积膨胀等，这就需要不断开发新材料。

然而一种新材料的发现往往是在筛选了数千种不同的材料结构后才发现的，需要花费巨大的时间和金钱成本。机器学习在材料筛选和预测领域的应用日益成熟。

在此，上海交通大学李金金研究员等人基于机器学习方法对元素周期表中的所有尖晶石结构进行了全面筛选，确定了高电导率和快速离子动力学的最佳镁/锌离子电池正极材料，预测准确率为91.2%。

图1. 基于机器学习的材料筛选过程

作者使用目标驱动的XGBoost算法来加速预测，并报告了六种新的尖晶石结构（MgNi₂O₄、MgMo₂S₄、MgCu₂S₄、ZnCa₂S₄、ZnCu₂O₄和ZnNi₂O₄），具有高电导率、高离子扩散 (>1×10^-9 cm²s^-1)、低体积膨胀 (<22%) 和室温下的热稳定性，是Mg/Zn离子电池的最佳正极。

其中，MgNi₂O₄、MgMo₂S₄、MgCu₂S₄、ZnCu₂O₄和ZnNi₂O₄被预测为五种新型超离子导体，在室温下具有极高的离子电导率（>10^-4 S·cm^-1）。这项研究所提出的策略缩短了镁/锌离子电池正极尖晶石筛选的研究周期，并为高性能3D电极材料的设计提供了解决方案。

图2. 机器学习的测试精度及金属材料占比

A Machine Learning Shortcut for Screening the Spinel Structures of Mg/Zn Ion Battery Cathodes with a High Conductivity and Rapid Ion Kinetics, Energy Storage Materials 2021. DOI: 10.1016/j.ensm.2021.07.042

上交李金金EnSM: 机器学习筛选具有高电导率和快速离子动力学的Mg/Zn离子电池正极的尖晶石结构

相关推荐