当前位置：
X-MOL 学术
›
Chem. Phys. Lett.
›
论文详情
Our official English website, www.x-mol.net, welcomes your
feedback! (Note: you will need to create a separate account there.)
基于机器学习的全局优化的 LixCoO2 的电化学相变
Chemical Physics Letters ( IF 2.8 ) Pub Date : 2023-05-10 , DOI: 10.1016/j.cplett.2023.140577
Ning Liu , Ya-Hui Fang
"点击查看英文标题和摘要"
更新日期：2023-05-14
Chemical Physics Letters ( IF 2.8 ) Pub Date : 2023-05-10 , DOI: 10.1016/j.cplett.2023.140577
Ning Liu , Ya-Hui Fang
|
锂离子电池正极在（不）充电条件下会发生显着的结构转变，这反过来会显着影响其电化学性能。这种复杂的现象引起了科学界和工业界对理解（脱）锂化条件下结构-活性动力学的持续兴趣。在这里，我们报告了第一个理论尝试，通过结合基于机器学习的全局优化（SSW-NN 方法）和第一性原理计算，阐明 Li x CoO 2阴极的 Li 依赖结构演变和 Li 扩散势垒（脱）锂化条件。Li x CoO 2的热力学和动力学在这项工作中提出的为设计下一代锂离子电池中的高稳定性电极材料提供了新的见解。
"点击查看英文标题和摘要"
京公网安备 11010802027423号